Resumen: El contexto temporal en medicina es valioso para evaluar cambios clave en la salud del paciente a lo largo del tiempo. Desarrollamos un marco de aprendizaje automático para integrar diversos contextos de visitas anteriores para mejorar el seguimiento de la salud, especialmente cuando las visitas previas son limitadas y su frecuencia es variable. Nuestro modelo primero estima el riesgo inicial de enfermedad utilizando datos médicos de la visita más reciente del paciente, luego refina esta evaluación utilizando información recopilada de imágenes recopiladas previamente y/o biomarcadores clínicos. Aplicamos nuestro marco a la predicción del riesgo de cáncer de próstata (CaP) utilizando datos de una gran población (28.342 pacientes, 39.013 exploraciones por resonancia magnética, 68.931 análisis de sangre) recopilados durante casi una década. Para las predicciones del riesgo de CaP clínicamente significativo en el momento de la visita, la integración del contexto previo convirtió directamente los falsos positivos en verdaderos negativos, aumentando la especificidad general y preservando al mismo tiempo una alta sensibilidad. Las tasas de falsos positivos se redujeron progresivamente del 51 % al 33 % al integrar información de hasta tres exámenes de imágenes previos, en comparación con el uso de datos de una sola visita, y se redujeron aún más al 24 % al incluir también contexto adicional de datos clínicos anteriores. Para predecir el riesgo de CaP dentro de los cinco años posteriores a la visita, la incorporación del contexto previo redujo aún más las tasas de falsos positivos (64% a 9%). Nuestros hallazgos muestran que la información recopilada a lo largo del tiempo proporciona un contexto relevante para mejorar la especificidad de la predicción de riesgos médicos. Para una amplia gama de condiciones progresivas, una reducción suficiente de las tasas de falsos positivos utilizando el contexto podría ofrecer una vía para expandir los programas longitudinales de monitoreo de la salud a grandes poblaciones con un riesgo inicial comparativamente bajo de enfermedad, lo que llevaría a una detección más temprana y mejores resultados de salud.
Publicado originalmente en export.arxiv.org el 19 de octubre de 2025.
Ver fuente original
