STOMAPY: Inteligencia artificial para la estratificación del riesgo de complicaciones que requieren terapia enterostomal tras el alta hospitalaria después de una cirugía de cáncer colorrectal.

Introducción: Las complicaciones infecciosas y las complicaciones en la cicatrización de heridas tras la cirugía colorrectal aumentan con frecuencia la complejidad de la atención local y la necesidad de un seguimiento especializado en terapia enterostomal tras el alta hospitalaria. A pesar del creciente uso de modelos predictivos en la cirugía digestiva, persiste una brecha entre la predicción perioperatoria y la organización práctica de la atención especializada.

Por lo tanto, el objetivo de este estudio fue desarrollar y validar temporalmente un modelo de estratificación de riesgo basado en aprendizaje automático para estimar la probabilidad de resultados post-alta asociados con una mayor demanda de terapia enterostomal tras la cirugía colorrectal. Métodos: Se realizó un estudio observacional retrospectivo que incluyó a 7.908 pacientes que se sometieron a cirugía colorrectal entre 2005 y 2014. El resultado se definió como la aparición de infección superficial del sitio quirúrgico, retraso en la cicatrización de la herida o formación de fístula abdominal. Se utilizaron variables preoperatorias e intraoperatorias disponibles de forma rutinaria como predictores. El modelo primario se basó en el aumento de gradiente con calibración isotónica.

La validación temporal se realizó separando las cohortes según el año de la cirugía. El rendimiento se evaluó utilizando ROC-AUC, PR-AUC, puntaje de Brier, calibración y métricas clínicas orientadas a la toma de decisiones.

La utilidad clínica se examinó mediante la estratificación de riesgo basada en percentiles y el análisis de la curva de decisión (DCA). Resultados: La prevalencia del resultado en el conjunto de prueba fue del 6,6%. El modelo calibrado alcanzó un ROC-AUC de 0,64 y un PR-AUC de 0,11, con un puntaje de Brier de 0,061. El estrato de riesgo del 10% superior concentró aproximadamente el doble de la tasa de eventos basal (aproximadamente el 14% frente al 6,6%), con un número necesario para un seguimiento intensificado de 7 pacientes para identificar un evento. El análisis de la curva de decisión mostró un mayor beneficio neto que las estrategias de seguimiento de todos o ningún paciente, particularmente para los umbrales de probabilidad entre el 3% y el 13%.

Los modelos basados exclusivamente en variables preoperatorias o intraoperatorias tuvieron un rendimiento inferior al del modelo combinado. Conclusión: STOMAPY demostró la capacidad de organizar a los pacientes a lo largo de un gradiente continuo de riesgo para los resultados post-alta asociados con una mayor demanda de terapia enterostomal. Aunque el rendimiento discriminatorio fue moderado, la calibración adecuada, la validación temporal y el beneficio neto observado en los umbrales clínicamente plausibles respaldan su utilidad como herramienta para la priorización proporcional de la atención, en lugar de como una prueba diagnóstica individual. Se necesitan estudios prospectivos y validaciones externas para confirmar el impacto clínico directo.