Background: Medical practice is usually performed in a context of uncertainty, where expert knowledge has shown to be efficientin 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 mortality risk 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 selection of 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 based on fuzzy predictors, validation set risk using calibrated FCM, and comparison with the other scores according to the level of agreement 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 score and risk predicted by Parsonnet, Ontario and EuroSCORE. The ROC areas showed that FCM had at least the same performance as other scores to predict mortality (ROC=0.793 vs. 0.775, 0.767, 0.741 and 0.701 for EuroSCORE, "expert", Ontario and Parsonnet, respectively). Conclusions: A fuzzy logic-based system employing expert knowledge and the implementation of an expert system is postulated to predict cardiac surgery mortality risk. The model not only mimicked the outcomes obtained by the "expert", but had the same performance as others risk scores.
Introducción: La práctica clínica se desarrolla en un contexto de información incierta, en el que el conocimiento "experto" ha demostrado 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 cirugía cardíaca. Material y métodos: Se incorporaron prospectivamente 450 pacientes sometidos a cirugía cardíaca y se cotejó la predicción de riesgo de mortalidad en base a cinco puntajes: 1) la opinión de un "experto", 2) el resultado de un sistema basado en lógica difusa según el conocimiento experto, 3) Parsonnet, 4) Ontario y 5) EuroSCORE. El modelo de lógica difusa se desarrolló en las siguientes etapas: selección por un experto de las variables predictivas de mortalidad, confección de tablas de influencia entre variables, construcción de un mapa cognitivo borroso (MCB) e implementación en una red neuronal artificial, determinación por 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 otros modelos 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 les determinó el puntaje del MCB y los riesgos pronosticados por Parsonnet, Ontario y EuroSCORE. Las áreas ROC demostraron que el MCB tuvo por lo menos el mismo desempeño para predecir mortalidad (ROC = 0,793 vs. 0,775, 0,767, 0,741 y 0,701 para 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 im-plementación de un sistema experto para predecir la mortalidad en cirugía cardíaca. El modelo no solo imitó los resultados obtenidos por el "experto", sino que también tuvo el mismo desempeño que otros puntajes.