Entre el 60 y el 70% de los pacientes con enfermedad hepática crónica a los que les sobreviene una insuficiencia hepática suelen fallecer en un plazo de 3 meses debido a una función hepática deficiente y un fallo orgánica múltiple. Un trasplante de hígado a tiempo es la única forma de salvarles la vida. Sin embargo, los trasplantes tienen listas de espera y una serie de factores intervienen para decidir qué necesidades tienen prioridad. De ahí que cada vez resulta más importante disponer de formas precisas de predecir el riesgo de mortalidad.

Si bien existen algunos modelos de pronóstico que pueden predecir el riesgo de mortalidad para este tipo de pacientes, dichos modelos no tienen en cuenta las variaciones individuales de los síntomas. La importancia de predecir el riesgo de mortalidad individual se vuelve necesaria cuando se considera que, aunque la hepatitis viral crónica y el consumo de alcohol son las causas más comunes de insuficiencia hepática aguda sobre crónica (ACLF) hasta el 40% de los casos no tienen un desencadenante identificable.

Bajo este escenario, un grupo de investigadores dirigido por el Dr. Zhi-Qiao Zhang, de la Universidad Médica del Sur, China, desarrolló una herramienta en línea para predecir el riesgo de mortalidad individual para pacientes con ACLF. "Esta es una herramienta on line poco común que puede ser valiosa para mejorar las decisiones de tratamiento de los pacientes debido a su capacidad para predecir el riesgo de mortalidad de un paciente individual", dice el Dr. Zhang.

En el estudio, publicado en ´Chinese Medical Journal´ , los investigadores detallan su uso del algoritmo de bosque de supervivencia aleatoria (RSF) para desarrollar su herramienta predictiva. RSF es un potente método de aprendizaje automático que tiene en cuenta múltiples variables sin hacer suposiciones de modelo subyacentes.

Se diferencia de otros algoritmos más conocidos para la predicción de pronóstico, como el modelo proporcional de Cox. A diferencia de este último, el método RSF tiene en cuenta la influencia no lineal de las variables. El modelo RSF ya se ha utilizado para predecir el pronóstico de pacientes con tumores y arritmias cardíacas.

Herramienta precisa

Para desarrollar su herramienta, los investigadores utilizaron datos de casi 300 pacientes con ACLF de tres hospitales en Guangdong, China, y lo modelaron con el algoritmo RSF. Descubrieron que podían predecir el riesgo de mortalidad individual de los pacientes durante varios meses, es decir, las curvas de riesgo de mortalidad individual. También encontraron que podían calcular la mortalidad de un paciente en un momento dado. Además, podrían proporcionar un intervalo de confianza del 95% para esta mortalidad calculada. Estos tres resultados son invaluables cuando se trata de decidir los planes de tratamiento y la prioridad del trasplante para los pacientes.

Finalmente, los investigadores compararon los resultados de su herramienta de predicción del riesgo de mortalidad individual con el modelo de Cox, así como con el modelo de enfermedad hepática en etapa terminal (MELD), el modelo de pronóstico más utilizado para la cirrosis hepática. Descubrieron que el modelo RSF era superior a otros para la predicción de pronóstico.

"Estudios adicionales con tamaños de muestra más grandes que tengan en cuenta factores de riesgo adicionales como los niveles de tiroxina y el área del hígado al abdomen ayudarían a mejorar la precisión del diagnóstico y el valor de la aplicación clínica de la herramienta de predicción", concluye el Dr. Zhang.