Un nuevo estudio ha desarrollado un modelo de aprendizaje profundo que utiliza radiografías de tórax para predecir el riesgo de mortalidad a 30 días en pacientes con neumonía adquirida en la comunidad (NAC). Los resultados de este modelo han sido validados en diferentes instituciones y periodos.
En un estudio reciente publicado en el Journal Americano de Radiología, los investigadores desarrollaron un modelo de aprendizaje profundo (DL) para estimar el riesgo de mortalidad a 30 días en pacientes con neumonía adquirida en la comunidad utilizando radiografías de tórax obtenidas para el diagnóstico como entradas. También validaron el rendimiento del modelo entre pacientes de diferentes instituciones y periodos.
La neumonía adquirida en la comunidad (NAC), una causa común de neumonía, está asociada con una considerable mortalidad y utilización de recursos médicos. La radiografía de tórax es una herramienta esencial para diagnosticar la NAC y estratificar el riesgo. Sin embargo, la incorporación de los hallazgos de la radiografía de tórax en las herramientas de predicción de riesgo ha sido limitada debido a la variabilidad entre lectores y la dificultad para extraer biomarcadores objetivos. El puntaje CURB-65 y el índice de gravedad de la neumonía son herramientas disponibles actualmente para predecir resultados adversos en pacientes con NAC.
En el presente estudio retrospectivo, los investigadores desarrollaron y validaron externamente un modelo DL para predecir la muerte en un plazo de 30 días en pacientes con NAC utilizando radiografías de tórax iniciales. El modelo se desarrolló para predecir los riesgos de mortalidad a 30 días por cualquier causa para pacientes con NAC utilizando sus radiografías de tórax iniciales.