IA explicable para la predicción de mortalidad y factores de riesgo en cáncer colorrectal en Corea: Un estudio de cohorte nacional de cáncer.

El pronóstico del cáncer colorrectal (CRC) varía significativamente, sin embargo, los modelos estadísticos convencionales luchan por capturar las complejas interacciones no lineales entre variables clínicas.

Además, la mayoría de los modelos predictivos se basan en poblaciones occidentales, limitando su aplicabilidad a pacientes coreanos.

Este estudio tuvo como objetivo desarrollar un modelo de inteligencia artificial explicativa (XAI) para la predicción de mortalidad por CRC utilizando una cohorte nacional coreana para proporcionar insights clínicamente accionables. Se realizó un estudio de cohortes retrospectivo utilizando la Base de Datos Pública de Cáncer de Corea. Un total de 9,069 pacientes con CRC fueron analizados para mortalidad por todas las causas (1,878 muertes) y 8,589 pacientes para mortalidad específica de CRC (1,398 muertes). Se construyeron cuatro algoritmos de aprendizaje automático: máquina de vectores soporte, bosque aleatorio, XGBoost y LightGBM.

Se emplearon técnicas de inteligencia artificial explicativa, incluidas las SHapley Additive exPlanations (SHAP), para cuantificar la contribución de cada predictor y garantizar la interpretabilidad del modelo. Todos los modelos mostraron buena discriminación (AUC: 0.82-0.94). LightGBM se presentó como el mejor modelo optimizado con un AUC de 0.824 [IC del 95% 0.80-0.85] en mortalidad por todas las causas. Para la mortalidad específica de CRC, LGB nuevamente produjo un AUC de 0.867 [IC del 95% 0.84-0.89].

SHAP reveló que la etapa tumoral y el antígeno carcinoembrionario fueron los principales predictores de mortalidad a lo largo de las edades. Los marcadores metabólicos (por ejemplo, hipertensión, colesterol) y las enzimas hepáticas fueron más predictivos en pacientes jóvenes. Desarrollamos el primer modelo de aprendizaje automático interpretable que predice con precisión la supervivencia del CRC en una cohorte nacional coreana. Los factores de riesgo específicos por edad identificados por SHAP no solo respaldan un cuidado personalizado, sino que también avanzan la aplicación de oncología precisa en entornos asiáticos.