COMUNICACIÓN ORAL | 17 noviembre 2022, jueves | Hora: 08:00
AUTORES
González Martínez, Alicia 1; Pagán , Josue 2; Sanz , Ancor 2; García-Azorín , David 3; Rodríguez-Vico , Jaime 4; Alex , Jaimes 4; Gómez García , Andrea 4; Díaz De Terán, Javier 5; Sastre Real , Maria 5; González García , Nuria 6; Porta-Etessam , Jesus 6; null, Sonia 2; Belascoaín , Rocio 2; Casas Limón , Javier 7; Latorre , German 8; Calle de Miguel , Carlos 8; Sierra , Alvaro 3; Guerrero-Peral , Angel Luis 3; Trevino-Peinado , Cristina 9; null, Ana Beatriz 2
CENTROS
1. Servicios de Neurología e Inmunología. Hospital Universitario de la Princesa & Instituto de Investigación Sanitaria Princesa (IIS-Princesa), Universidad Autónoma de Madrid (UAM).; 2. Servicio de Neurología. Hospital Universitario de la Princesa; 3. Servicio de Neurología. Hospital Clínico Universitario de Valladolid; 4. Servicio de Neurología. Fundación Jiménez Díaz-Ute; 5. Servicio de Neurología. Hospital Universitario La Paz; 6. Servicio de Neurología. Complejo Universitario de San Carlos; 7. Servicio de Neurología. Hospital Universitario Fundación Alcorcón; 8. Servicio de Neurología. Hospital Universitario de Fuenlabrada; 9. Servicio de Neurología. Hospital Universitario Severo Ochoa
OBJETIVOS
El principal objetivo de nuestro estudio fue predecir la respuesta a fármacos dirigidos contra el péptido relacionado con el gen de la calcitonina(anti-CGRP) en pacientes con migraña utilizando estrategias de aprendizaje automático(machine-learning).
MATERIAL Y MÉTODOS
Estudio multicéntrico retrospectivo anidado en una cohorte prospectiva de pacientes en tratamiento con fármacos anti-CGRP procedentes de 8 centros terciarios. Se recogen variables clínicas y demográficas. Se mide la respuesta como la reducción en el número de días de cefalea al mes a los 6,9 y 12 meses. Se utilizan estrategias de aprendizaje automático para la selección de las variables, y se generan modelos con una precisión mínima del 70%, para predecir la respuesta del 30%-50%-o al menos del 30%-, respuesta del 50%-75%-o al menos 50%- y respuesta superior al 75% a los 6, 9 y 12 meses.
RESULTADOS
Se incluyen 712 pacientes, 93% mujeres, edad media 48 años(DE:11,7), 83.8% migraña crónica. Las variables seleccionadas fueron número de días de cefalea/migraña al mes, cambio en el número de días de cefalea/migraña al mes y puntuación HIT 6. Se obtienen modelos de predicción con un F1 score entre 0.70-0.97 y un área bajo la curva(AUC) entre 0.87-0.98. Además, se generan SHAP(SHapley Additive exPlanations) summary y dependence plots para evaluar la relevancia de los factores asociados a la predicción.
CONCLUSIONES
Nuestro estudio demuestra que es posible predecir la respuesta a fármacos anti-CGRP en migraña a los 6, 9 y 12 meses utilizando modelos basados en técnicas de aprendizaje automático con variables clínicas utilizadas en práctica clínica habitual.
