COMUNICACIÓN ORAL | 31 octubre 2023, martes | Hora: 17:30
AUTORES
Freire Álvarez, Eric 1; Legarda Ramírez, Ines 2; García Ramos, Rocio 3; null, Fatima 4; Santos García, Diego 5; Gómez Esteban, Juan Carlos 6; Martínez Castrillo, Juan Carlos 7; Martínez Torres, Irene 8; Madrid Navarro, Carlos 9; Pérez Navarro, Maria Jose 9; Valero García, Fuensanta 2; Vives Pastor, Barbara 2; Muñoz Delgado, Laura 4; null, Beatriz 6; Morata Martínez, Carlos 8; null, Ricardo 10; null, Ines M. 10; Escamilla Sevilla, Francisco 9
CENTROS
1. Servicio de Neurología. Hospital General de Elche; 2. Servicio de Neurología. Hospital Universitari Son Espases; 3. Servicio de Neurología. Hospital Clínico San Carlos; 4. Servicio de Neurología. Hospital Virgen del Rocío; 5. Servicio de Neurología. Complexo Hospitalario Universitario A Coruña; 6. Servicio de Neurología. Hospital Universitario de Cruces; 7. Servicio de Neurología. Hospital Ramón y Cajal; 8. Servicio de Neurología. Hospital Universitari i Politècnic La Fe; 9. Servicio de Neurología. Hospital Universitario Virgen de las Nieves; 10. Departamento de Ciencias Computacionales e Ingeniería. Universidad Carlos III
OBJETIVOS
Describir la precisión diagnóstica de un algoritmo de aprendizaje automático sobre casos reales para identificar pacientes con enfermedad de Parkinson (EP) candidatos a terapias de segunda línea (TSL) y definir los valores que elige el modelo para los ítems del “5-2-1”: tomas de levodopa/día, horas en off o con discinesias limitantes, respectivamente.
MATERIAL Y MÉTODOS
DELIST-PD es un estudio transversal, multicéntrico, nacional (9 Unidades de Trastornos del Movimiento), que seleccionó pacientes consecutivos con EP según muestreo por conglomerados (aproximadamente 25% candidatos a TSL y 50% en fase avanzada). La decisión del neurólogo experto en la indicación de TSL fue el “gold standard” y las variables predictoras fueron entre otras: horas en off/on y con/sin discinesias limitantes, tomas de levodopa/día, índice de Charlson, calidad de vida (PDQ-8), situación cognitiva (GDS) y cuestionario CDEPA. Se entrenó el algoritmo Catboost balanceado con validación estratificada cruzada (10 folds) y Sequential Forward Selection para ordenar las variables por importancia.
RESULTADOS
Se incluyeron 1086 pacientes (69.6±10.5 años, 57% varones). Un 43% (463) en fase avanzada, entre ellos 42% (194) candidatos a TSL. La precisión (balanced accuracy) de Catboost fue del 89% y ABC-ROC 95% (S=91%; E=88%). El algoritmo seleccionó como disyuntiva en la decisión de indicación de TSL ≥ 4 tomas de levodopa/día y/o ≥1.8 horas en off (probabilidad por ítem ≥ 55%; combinada ≥76%): No hubo muestra suficiente para la categoría de discinesias limitantes.
CONCLUSIONES
Este algoritmo de IA basado en la práctica clínica habitual podría facilitar y anticipar la identificación de candidatos a TSL.
