Modelos Predictivos para el diagnóstico de enfermedades infecciosas en UCI

Abstract

Las enfermedades infecciosas adquiridas en la Unidad de Cuidados Intensivos (UCI) constituyen uno de los principales problemas hospitalarios por su impacto en la mortalidad, la duración de la estancia y el coste asistencial. Su detección temprana es difícil, ya que el diagnóstico se apoya en signos poco específicos y en pruebas microbiológicas que tardan en confirmarse, lo que retrasa el tratamiento. Este Trabajo de Fin de Grado, desarrollado desde una perspectiva de Business Analytics, evalúa el potencial de modelos de Machine Learning para anticipar el desarrollo de infecciones en pacientes de UCI a partir de la base de datos clínica real MIMIC-IV.

Tras integrar y preprocesar los datos, se construyó un conjunto de variables derivadas principalmente de constantes vitales rutinarias y se entrenaron y compararon varios modelos (Regresión Logística, Árbol de Decisión, Random Forest y XGBoost). El problema se abordó de forma iterativa, pasando de una formulación multiclase a una binaria, al constatar que la dificultad no residía en detectar la infección, sino en distinguir entre tipos con perfiles fisiológicos muy similares. Una simulación de Montecarlo aplicada a un caso de uso en una UCI mostró un retorno económico positivo en el escenario base, con mayor rentabilidad al escalar el modelo a varias unidades.

Infections acquired in the Intensive Care Unit (ICU) are one of the main hospital challenges due to their impact on mortality, length of stay and healthcare costs. Their early detection is difficult, as diagnosis relies on non-specific signs and on microbiological tests that take time to confirm, thereby delaying treatment. This Bachelor's thesis, developed from a Business Analytics perspective, assesses the potential of machine learning models to anticipate the onset of infections in ICU patients using the real-world clinical database MIMIC-IV.

After integrating and preprocessing the data, a set of predictor variables derived mainly from routinely recorded vital signs was built, and several models (logistic regression, decision tree, Random Forest and XGBoost) were trained and compared. The problem was approached iteratively, moving from a multiclass to a binary formulation, after finding that the real difficulty lay not in detecting infection but in distinguishing between types with very similar physiological profiles. A Monte Carlo simulation applied to an ICU use case showed a positive economic return in the base-case scenario, with greater profitability when scaling the model across multiple units.