Aplicación de las redes neuronales artificiales a la predicción del resultado a corto, medio y largo plazo del transplante renal pediatrico.

Resumen

Introducción: Se plantea la aplicación de esta herramienta novedosa en el problema de la indicación del trasplante renal infantil (TRI). Objetivos: 1) Desarrollar un modelo neuronal para identificar, con la mayor sensibilidad y especificidad, la evolución a corto, medio y largo plazo del TRI mediante el empleo de factores pre-trasplante. 2) Contrastar la capacidad clasificatoria de las redes neuronales artificiales (RNA) frente a la regresión logística (RL) en el TRI. 3) Determinar la importancia de las variables pre-operatorias, en el resultado del TRI, según el modelo neuronal. 4) Realizar una aplicación informática que, utilizando la RNA, sirva como ayuda a la decisión para la indicación del TRI. Pacientes, material y método: estudio retrospectivo analítico de 271 TRI realizados en niños en el Hospital Infantil La Fe, de donante vivo y cadáver, incluyendo tanto primeros como retrasplantes. Variables: Edad donante, tipo donante, tiempo diálisis, isquemia fría, edad receptor, título de anticuerpos citotóxicos, etiología de la IRT, número de trasplante para el receptor, transfusiones, incompatibilidad. Modelo de RL: análisis multivariante mediante el método de regresión de Cox para 1, 6, 12, 18, 24, 60 y 120 meses, análisis de supervivencia con el método de Kaplan Meier, determinación de las curvas ROC para cada momento y cálculo del área bajo la curva (ABC), punto de corte y sus respectivos valores: sensibilidad (Se), especificidad (Sp), valores predictivos positivo (VPP) y negativo (VPN), razón de verosimilitud para test positivo (RVP) y negativo (RVN). Modelo neuronal: estructura de perceptrón multicapa con función de activación de tangente hiperbólica, 12 neuronas de entrada, 1 capa de neuronas ocultas, 1 de salida; determinación de las curvas ROC con los mismos parámetros que para la RL. Entrenamiento de la red con el 75% de los casos y validación con el resto. Realización del proceso para los mismos momentos evolutivos que para la RL. Comparación de las curvas ROC de ambos modelos para cada momento mediante la z de Hanley y McNeil, tal que z = 1.96 son considerados significativos. Importancia de las variables en las RNA mediante variaciones de sensiblidad. Resultados: Los resultados (Se, Sp, VPP, VPN, RVP, RVN) del modelo neuronal son superiores a los de la RL de forma que existen siempre diferencias estadísticamente muy significativas entre las curvas ROC de los dos modelos [P(1mes)=0,0009698, P(6m)=0,000187, P(12m)=4,858E-05, P(18m)=4,383E-05, P(24m)=2,614E-06, P(60m)=1,818E-05, P(120m)=1,511E-05]. La importancia de las variables según las RNA, demuestra entre otras, la influencia del tipo de donante en la supervivencia del injerto. El programa informático con formato de página web proporciona una predicción acertada de la probabilidad de función del injerto a 1, 6, 12, 18, 24, 60, 120 meses. Conclusiones: 1) Las RNA constituyen una herramienta de predicción de la evolución del TR a corto, medio y largo plazo y son adecuadas por ofrecer sus resultados en términos equivalentes a la RL. 2) El ABC ROC es válida para comparar ambos modelos. 3) Las RNA constituyen una herramienta potente para discriminar el receptor y el donante idóneos para indicar el TRI. 4) Las variables seleccionadas son válidas para diseñar un modelo neuronal de utilidad en el TR infantil. 5) La superioridad de las RNA indica la existencia de complejas relaciones no lineales entre las variables empleadas, relaciones que no son representadas por el modelo logístico. 6) Dado que las redes neuronales implementadas en un programa informático amigable constituyen un instrumento útil en la ayuda a la decisión del trasplante renal infantil, consideramos aconsejable su empleo en otros tipos de trasplantes de órganos. ____________________________________________________________________________________________________