| Summary: | Introducción: La Hepatitis Alcohólica (HA) presenta una alta mortalidad y requiere una estratificación de riesgo precisa para guiar el manejo terapéutico.
Los modelos pronósticos tradicionales (MDF, MELD, GAHS, ABIC) son insuficientes, lo que justifica la necesidad de herramientas avanzadas basadas
en Inteligencia Artificial (IA) para mejorar la predicción de la evolución clínica a mediano plazo.
Material y Métodos: Se desarrollaron dos sistemas de puntuación basados en
IA, AIMAH (16 variables) y AIMAH-S (5 variables), utilizando una cohorte de desarrollo externa (n=380) y optimización multiobjetivo mediante algoritmos
evolutivos. Los modelos fueron validados internamente en una cohorte ambispectiva de 98 pacientes con HA. El rendimiento pronóstico fue evaluado mediante el Área Bajo la Curva (AUC) para la mortalidad a 4, 7, 28 y 90 días.
Resultados: Ambos modelos demostraron un alto rendimiento pronóstico. El modelo AIMAH alcanzó su máxima precisión a los 90 días con un AUC de 0.870 (p < 0.0001), mostrando el mejor desempeño pronóstico general en este plazo,
superior a los scores tradicionales y al modelo MELD (AUC = 0.817). Por su parte, AIMAH-S fue muy preciso para la predicción temprana de mortalidad a 7 días con
un AUC de 0.801 (p < 0.0001), aunque ligeramente inferior al modelo MELD (AUC = 0.803) mostró el AUC más alto. El análisis de supervivencia confirmó la relevancia clínica de AIMAH, ya que una alta predicción de riesgo (AIMAH ≥43.64) se asoció con un riesgo de muerte más de siete veces mayor a 90 días (HR 7.41; IC 95%: 3.72–14.75; p < 0.0001).
Conclusión: El presente estudio demuestra el alto rendimiento y la utilidad complementaria de los modelos de IA AIMAH y AIMAH-S. Su implementación tiene el potencial de mejorar la toma de decisiones y la estratificación de riesgo
en pacientes con HA.
|
|---|
