Objetivo principal: Partiendo de una cohorte de pacientes de edad = 40 años, con hígado graso asociado a disfunción metabólica (MAFLD) de riesgo intermedio-alto de progresión y complicaciones (FIB-4 = 1.30), desarrollar un modelo predictivo basado en inteligencia artificial que identifique aquellos sujetos con mayor riesgo de carcinoma hepatocelular (CHC) a los 5 años. Método: a) Generación de la cohorte retrospectivamente, a partir de la extracción masiva de datos de la historia clínica electrónica de la población de pacientes atendidos por el Servicio Gallego de Salud por cualquier motivo desde el 1/1/2011 que cumplan criterios de inclusión. b) Construcción de múltiples modelos de aprendizaje supervisado y comparación de la capacidad pronóstica de CHC del mejor modelo generado por IA con la de un modelo tradicional de regresión que tenga en cuenta riesgos competitivos (Fine-Gray). Objetivo secundario: Calcular la incidencia acumulada de CHC y/o ingreso hospitalario por descompensación hepática en nuestra cohorte al año, a los 3 años y a los 5 años de seguimiento.

Carcinoma hepatocelular
Inteligencia artificial
Aprendizaje automático
Hígado graso asociado a disfunción metabólica
Síndrome metabólico
Cáncer hepático
Diagnóstico precoz.

Acción Estratégica en Salud (AES)