La IA y los problemas difíciles del mundo · Medicina y descubrimiento de fármacos · Nature (computational biology) · 2026-10-25
Aprendizaje automático interpretable para predecir el deterioro de la oxigenación intraoperatoria durante la ventilación unipulmonar en cirugía torácica: un estudio de cohorte retrospectivo
Título original: Interpretable machine learning for predicting intraoperative oxygenation impairment during one-lung ventilation in thoracic surgery: a retrospective cohort study
Este estudio evaluó cinco modelos de aprendizaje automático con datos de 519 pacientes de cirugía torácica para predecir el deterioro de la oxigenación durante la ventilación unipulmonar. El modelo de bosque aleatorio obtuvo el mejor rendimiento (AUC 0.924), por delante de la regresión logística (0.790). El análisis SHAP identificó la presión positiva al final de la espiración, la presión parcial de oxígeno arterial preoperatoria y el índice de masa corporal como los principales predictores.