Desarrollo y validación de un modelo de aprendizaje automático de conjunto para predecir la supervivencia en el cáncer colorrectal localmente avanzado: un estudio retrospectivo multicéntrico.

Los pacientes diagnosticados con cáncer colorrectal localmente avanzado (LARC) presentan un pronóstico variable después de someterse a quimiorradioterapia neoadyuvante (nCRT), lo que destaca la necesidad esencial de realizar predicciones precisas de los resultados. El objetivo de este estudio es crear y evaluar un modelo de aprendizaje automático que sea interpretable y esté adaptado para predecir los resultados en individuos diagnosticados con LARC. Se llevó a cabo un estudio de cohortes retrospectivo multicéntrico, que incorporó 1119 casos de LARC que recibieron cirugía radical después de nCRT entre los años 2012 y 2022. Utilizamos diez algoritmos de aprendizaje automático para la selección de características con el fin de identificar los factores predictivos óptimos.

Posteriormente, desarrollamos modelos utilizando el subconjunto seleccionado de diez características combinadas con diez algoritmos de aprendizaje automático. La eficacia de los modelos se evaluó utilizando dos cohortes distintas y se analizó mediante múltiples técnicas, como las curvas de calibración dependientes del tiempo, el índice de concordancia (C-index), el análisis de la curva de decisión y las curvas ROC dependientes del tiempo. Tras la selección de los predictores, se crearon un total de diez subconjuntos de características. Estos subconjuntos se emparejaron con diez algoritmos de aprendizaje automático en varias combinaciones, lo que condujo a la formación de 100 modelos predictivos.

De todos los modelos analizados, la integración de Random Survival Forest con gradient boosting mostró el mayor nivel de precisión predictiva. En el grupo de entrenamiento, el C-index para GRM se registró en 0,917 (IC del 95 % 0,890-0,944), mientras que en la cohorte de validación 1, fue de 0,897 (IC del 95 % 0,850-0,924) y en la cohorte de validación 2, se registró en 0,837 (IC del 95 % 0,780-0,894).

Además, se desarrolló una herramienta basada en la web que es accesible al público para el GRM. El GRM posee la capacidad de determinar eficazmente el pronóstico de los pacientes con LARC que se someten a nCRT. Esto puede ayudar a los profesionales sanitarios a evaluar la gravedad de la enfermedad, mejorar el seguimiento de los pacientes y ayudar en el desarrollo de estrategias de tratamiento complementarias.