Resumen de Fuzzy Logic-Based Model to Stratify Cardiac Surgery Risk

Raúl Alfredo Borracci, Eduardo B. Arribalzaga

• español

  Introducción: La práctica clínica se desarrolla en un contexto de información incierta, en el que el conocimiento “experto” hademostrado que es muy eficiente para la toma de decisiones.Objetivo: Desarrollar y validar un modelo basado en lógica difusa o borrosa para predecir el riesgo de mortalidad en cirugíacardíaca.Material y métodos: Se incorporaron prospectivamente 450 pacientes sometidos a cirugía cardíaca y se cotejó la predicción deriesgo de mortalidad en base a cinco puntajes: 1) la opinión de un “experto”, 2) el resultado de un sistema basado en lógicadifusa según el conocimiento experto, 3) Parsonnet, 4) Ontario y 5) EuroSCORE. El modelo de lógica difusa se desarrolló en lassiguientes etapas: selección por un experto de las variables predictivas de mortalidad, confección de tablas de influencia entrevariables, construcción de un mapa cognitivo borroso (MCB) e implementación en una red neuronal artificial, determinaciónpor el experto del puntaje de riesgo por paciente, cálculo del riesgo del conjunto de prueba según los predictores borrosos,determinación del riesgo del conjunto de validación usando el MCB ya calibrado y comparación de los resultados con los otrosmodelos según concordancia y precisión con curvas ROC.Resultados: El modelo calibrado se usó para predecir los resultados del conjunto de validación (360 pacientes), a quienes se lesdeterminó el puntaje del MCB y los riesgos pronosticados por Parsonnet, Ontario y EuroSCORE. Las áreas ROC demostraronque el MCB tuvo por lo menos el mismo desempeño para predecir mortalidad (ROC = 0,793 vs. 0,775, 0,767, 0,741 y 0,701para el EuroSCORE, “experto”, Ontario y Parsonnet, respectivamente).Conclusiones: Se propone un sistema capaz de aprovechar el conocimiento experto mediante el uso de lógica difusa y la implementaciónde un sistema experto para predecir la mortalidad en cirugía cardíaca. El modelo no solo imitó los resultadosobtenidos por el “experto”, sino que también tuvo el mismo desempeño que otros puntajes.

• English

  Background: Medical practice is usually performed in a context of uncertainty, where expert knowledge is used for efficiencyin the decision-making process.Objective: The aim of this study was to develop and validate a fuzzy logic-based model to predict cardiac surgery mortality risk.Methods: Four hundred and fifty patients undergoing cardiac surgery were prospectively included in the study and mortalityrisk was predicted based on five scores: 1) “clinical expert” opinion, 2) fuzzy logic-based system according to expert knowledge,3) Parsonnet, 4) Ontario and 5) EuroSCORE. The fuzzy logic model was developed in the following stages: expert selectionof different mortality predictive variables, tables of influence among variables, construction of a fuzzy cognitive map (FCM)and its implementation in an artificial neuronal network, expert-determined patient risk score, test set risk calculation basedon fuzzy predictors, validation set risk using calibrated FCM, and comparison with the other scores according to the level ofagreement and precision with ROC curves.Results: The calibrated model was used to predict the outcome of the validation set (360 patients), based on the FCM scoreand risk predicted by Parsonnet, Ontario and EuroSCORE. The ROC areas showed that FCM had at least the same performanceas other scores to predict mortality (ROC=0.793 vs. 0.775, 0.767, 0.741 and 0.701 for EuroSCORE, “expert”, Ontarioand Parsonnet, respectively).Conclusions: A fuzzy logic-based system employing expert knowledge and the implementation of an expert system is postulatedto predict cardiac surgery mortality risk. The model not only mimicked the outcomes obtained by the “expert”, but had thesame performance as others risk scores.