Objetivo: Validar externamente dos modelos basados en el aprendizaje automático para la predicción de riesgos en gestantes con preeclampsia precoz (PEp) al diagnóstico, en una amplia población española de casos. Métodos: - Diseño: Observacional, prospectivo, de cohortes. - Ámbito: multicéntrico, centros de la Red RICORS. - Sujetos: Gestaciones únicas de <34 semanas, con preeclampsia. - Variables dependientes: necesidad de parto en =7 días, aparición de complicaciones: abruptio placentae y síndrome de “hemólisis, elevación de enzimas hepáticas y plaquetopenia” (HELLP). - Variables independientes: características maternas, ecográficas y analíticas al diagnóstico de la PEp. - Análisis: capacidad diagnóstica de los modelos basados en aprendizaje automático y algoritmos bioinspirados.

preeclampsia
predicción
inteligencia artificial
complicaciones maternas

Acción Estratégica en Salud (AES)