A Machine Learning Approach for the Early Diagnosis of Neurodevelopmental Impairments in Preterm Infants

Abstract

Los recién nacidos muy pretérmino (RNPT) presentan un alto riesgo de alteraciones del neurodesarrollo; sin embargo, la identificación temprana de los más vulnerables sigue constituyendo un importante desafío clínico. Esta tesis investiga cómo las técnicas de machine learning (ML) pueden apoyar la predicción temprana de alteraciones del neurodesarrollo en RNPT mediante el uso de información clínica recogida de forma rutinaria y un biomarcador derivado de neuroimagen. En primer lugar, se llevó a cabo una revisión exhaustiva de la literatura sobre la predicción mediante ML de alteraciones del neurodesarrollo y desenlaces relacionados en RNPT, resumiendo las arquitecturas de modelos actuales, los datos de entrada, las estrategias de evaluación y las limitaciones metodológicas. En segundo lugar, se analizó una cohorte retrospectiva de RNPT para desarrollar y comparar modelos supervisados de ML que predicen los desenlaces del neurodesarrollo a los dos años a partir de variables clínicas. Se evaluaron distintas estrategias de selección de variables y una técnica para abordar el desbalance de clases, demostrando que la selección de variables basada en datos, combinada con sobremuestreo, mejora la detección de lactantes con alteraciones cognitivas y motoras. Aunque el rendimiento fue modesto, proporcionó una perspectiva importante para el siguiente paso. En tercer lugar, la tesis explora el uso de biomarcadores relacionados con la neuroimagen. Las trayectorias del volumen cerebral total (VCT) derivadas de ecografías craneales seriadas se modelaron mediante un enfoque basado en Procesos Gaussianos para manejar el muestreo irregular y los datos faltantes. Las trayectorias imputadas de VCT se utilizaron para predecir alteraciones del neurodesarrollo a los dos y ocho años. Los resultados demuestran que el VCT se asocia en mayor medida con las alteraciones a los ocho años y que las mediciones en torno a la edad equivalente al término tienen el mayor valor predictivo. La imputación basada en procesos gaussianos ofreció un mejor rendimiento predictivo posterior que los métodos convencionales de imputación. Esta tesis pretende contribuir al conocimiento actual sobre la predicción de alteraciones del neurodesarrollo en RNPT. En conjunto, aporta evidencia de que los modelos de ML que utilizan datos clínicos de rutina y VCT pueden apoyar potencialmente la estratificación temprana del riesgo en RNPT. De igual forma, se destacan las limitaciones encontradas en esta fase de la investigación.

Very preterm infants (VPIs) are at high risk of neurodevelopmental impairments (NDIs). Nevertheless, early identification of those most vulnerable remains a major clinical challenge. This thesis investigates how machine learning (ML) techniques can support the early prediction of NDIs in VPIs by considering routinely collected clinical information and a quantitative neuroimaging biomarker. First, a comprehensive review of the literature on ML-based prediction of NDIs and related outcomes in VPIs was conducted, summarizing current model architectures, input data, evaluation strategies, and methodological limitations. Second, a retrospective cohort of VPIs was analysed to develop and compare supervised ML models that predict two-year neurodevelopmental outcomes based on clinical features. Different feature selection strategies and a class-imbalance handling technique were evaluated, demonstrating that data-driven feature selection combined with oversampling improves the early detection of VPIs at risk of NDIs. Although overall performance was modest, it provided a valuable perspective for the next step. Third, this thesis explores the use of neuroimaging biomarkers. Total brain volume (TBV) trajectories derived from cranial ultrasound were modelled using a Gaussian Processes framework to handle irregular sampling and missing data. Imputed TBV trajectories, were used to predict neurodevelopmental outcomes at two and eight years. The results show that TBV is associated with later cognition, and that TBV values around term-equivalent age have the greatest predictive value. Gaussian Processes–based imputation yielded better downstream predictive performance than conventional imputation methods. Overall, this thesis aims to contribute to current knowledge on predicting NDIs in VPIs, providing evidence that ML models using routine clinical data and longitudinal TBV can potentially support early risk stratification, while highlighting the limitations encountered in this phase of the research.