El aprendizaje automático (ML por su nombre en inglés) ha demostrado resultados prometedores en la identificación de marcadores clínicos para el síndrome coronario agudo (SCA) a partir de las historias clínicas electrónicas (HCE).
En el pasado, el SCA se percibía como un problema de salud principalmente para los hombres. Las mujeres estaban infrarrepresentadas en los ensayos clínicos, lo que llevó a que ambos sexos recibieran la misma atención clínica. Aunque algunos enfoques han enfatizado la importancia de distinguir marcadores, estas distinciones siguen sin estar claras.
Este estudio tiene como objetivo explotar los métodos de ML para identificar los marcadores de mortalidad hospitalaria por sexo y grupo de edad para pacientes con infarto de miocardio con elevación del ST (STEMI) e infarto de miocardio sin elevación del ST (NSTEMI).
De la base de datos MIMIC-III, los autores extrajeron mil 299 pacientes con STEMI y 2.820 pacientes con NSTEMI. Entrenaron y validaron modelos de predicción de mortalidad con diferentes hiperparámetros, conjuntos clínicos y métodos de ML. Con la utilización del modelo de mejor rendimiento y un enfoque de teoría de juegos para interpretar las predicciones, identificaron marcadores de riesgo para pacientes con STEMI y NSTEMI por separado.
Los modelos basados en Extreme Gradient Boosting lograron el mayor rendimiento: AUC = 0.92 (95 \% CI: 0.87-0.98) para STEMI y AUC = 0.87 (95 \% CI: 0.80-0.93) para NSTEMI. Para STEMI, los principales marcadores para ambos sexos son la presencia de hiponatremia y acidosis metabólica. Los marcadores más específicos para las mujeres son la insuficiencia renal aguda y la edad> 75 años, mientras que para los hombres son la insuficiencia renal crónica y la edad> 70 años.
Por el contrario, para NSTEMI, los principales marcadores para ambos sexos son la edad avanzada y los procedimientos de intubación. Los marcadores específicos para las mujeres son niveles bajos de creatinina y edad> 60 años, mientras que para los hombres son daño en la aurícula izquierda y edad> 70 años.
Los autores consideran que la distinción de marcadores por sexos podría conducir a estrategias de tratamiento más adecuadas, mejorando así los resultados clínicos.
