Grupos de síntomas derivados de un modelo de lenguaje extenso y resultados en pacientes con cáncer colorrectal, obtenidos de las notas clínicas de MIMIC-IV.

Antecedentes: Las investigaciones previas sobre los grupos de síntomas (GS) en el cáncer colorrectal (CCR) se han basado principalmente en encuestas de resultados notificados por los pacientes, que capturan la experiencia de los síntomas en puntos de evaluación discretos en lugar de la documentación continua generada durante la atención rutinaria, lo que plantea la cuestión de si los GS derivados del texto del historial clínico electrónico (HCE) tienen el mismo significado clínico y valor predictivo.

El objetivo fue construir y validar redes de coocurrencia de síntomas a nivel del paciente a partir de un modelo de lenguaje extenso (MLE), extrayendo datos de síntomas en pacientes con CCR, y probar si los GS resultantes predicen los resultados clínicos. Métodos: Utilizando una herramienta de extracción de MLE de "cero disparos" previamente validada en comparación con una base de referencia anotada manualmente (F1 macro = 0,70 para el modelo con mejor rendimiento), se extrajeron 46 síntomas de 2728 notas de alta de 1507 pacientes con CCR en MIMIC-IV. Las redes de coocurrencia de síntomas a nivel del paciente se construyeron de forma independiente a partir de las extracciones de Gemini 3.5 Flash y Claude Haiku utilizando la correlación phi y la detección de comunidades de Louvain, con análisis de sensibilidad en diferentes umbrales de correlación, semillas aleatorias, estrategia de agregación de notas y remuestreo bootstrap.

Los puntajes de carga de síntomas por grupo se probaron como predictores de la mortalidad hospitalaria, la reingreso a los 30 días y la mortalidad a 1 año utilizando regresión logística ajustada por edad, sexo y (en los modelos de sensibilidad) enfermedad metastásica. Resultados: Las redes de ambos MLE convergieron en tres GS clínicamente coherentes (Sistémico, Gastrointestinal y Específico de la Enfermedad del CCR) en los análisis de sensibilidad (índice de Rand ajustado entre modelos = 0,727; índice de Rand de Louvain con 100 semillas = 0,985; índice de Rand bootstrap = 0,733).

El Grupo de Síntomas Sistémico fue el predictor más consistente de la mortalidad hospitalaria (OR = 1,33) y la mortalidad a 1 año (OR = 1,41), mientras que el Grupo de Síntomas Específico de la Enfermedad del CCR predijo específicamente e independientemente el reingreso a los 30 días (OR = 1,20); ambas asociaciones fueron robustas al ajuste por enfermedad metastásica. Conclusión: Los datos de síntomas extraídos por MLE recuperan GS clínicamente coherentes y reproducibles a partir de notas de alta no estructuradas que tienen un valor pronóstico independiente para la mortalidad y el reingreso, lo que respalda la validez clínica del perfilado automatizado de síntomas derivado del HCE en el CCR.