Desarrollo de modelos predictivos para el dolor de espalda residual después del tratamiento de aumento vertebral percutáneo para fracturas por compresión toracolumbar osteoporóticas basados ​​en una técnica de aprendizaje automático

Antecedentes: El aprendizaje automático (ML) se ha aplicado ampliamente para predecir los resultados de numerosas enfermedades. El presente estudio tuvo como objetivo desarrollar un modelo de predicción de pronóstico utilizando algoritmos de aprendizaje automático e identificar factores de riesgo asociados con el dolor de espalda residual en pacientes con fractura por compresión de vértebras osteoporóticas (OVCF) después de una vertebroplastia percutánea (PVP).

Métodos: Se inscribieron y analizaron un total de 863 pacientes con OVCF que se sometieron a cirugía PVP. Un mes después de la cirugía, se consideró que una puntuación de la Escala Visual Analógica (EVA) de ≥ 4 significaba dolor lumbar residual después de la operación y los pacientes se agruparon en un grupo con dolor residual y un grupo sin dolor. El conjunto de características óptimo tanto para el aprendizaje automático como para los modelos estadísticos se ajustó basándose en una validación interna basada en bootstrap de 2000 muestras mediante una búsqueda exhaustiva. Luego se calcularon el área bajo la curva (AUC), la precisión de la clasificación, la sensibilidad y la especificidad de cada modelo para evaluar el rendimiento predictivo de cada modelo.

Resultados: En nuestro estudio actual, se observaron dos hallazgos principales: (1) En comparación con los modelos estadísticos, los modelos ML exhibieron un rendimiento predictivo superior, y SVM demostró la mayor precisión de predicción; (2) tanto el aprendizaje automático como los modelos estadísticos identificaron varias variables como los factores más predictivos, incluido el volumen de cemento óseo, el número de vértebras fracturadas, la violación de la articulación facetaria, la degeneración del músculo paraespinal y la hendidura de vacío intravertebral.

Conclusión: En general, el estudio demostró que los clasificadores de aprendizaje automático, como SVM, pueden predecir eficazmente el dolor de espalda residual en pacientes con OVCF después de PVP, al tiempo que identifican los predictores asociados de manera multivariada.