Змінити пароль!
Скинути пароль!
CatBoost допомагає лікарям з високою точністю прогнозувати і запобігати гострому панкреатиту після панкреатектомії, що підкреслює його клінічну цінність і ширший потенціал машинного навчання в хірургії.
У дослідженні, результати якого були опубліковані в журналі World Journal of Gastroenterology, повідомляється про розробку новаторської моделі машинного навчання для прогнозування гострого панкреатиту після панкреатектомії (PPAP) за допомогою процедури Віппла, також званої панкреатодуоденектомією (ПД).
Проблема. Хоча Міжнародна дослідна група з хірургії підшлункової залози визначила та класифікувала PPAP, досі не було розроблено моделей машинного навчання для прогнозування цього потенційно небезпечного ускладнення після ПД. Ця нова прогностична модель дозволяє заповнити цю прогалину за рахунок проактивного підходу до виявлення пацієнтів із групи ризику.
Подальший підхід. Дослідницька група проаналізувала клінічні дані 381 пацієнта, який переніс ПД у період із 2016 по 2024 роки. Група проаналізувала фактори ризику PPAP і протестувала різні алгоритми машинного навчання, включаючи логістичну регресію, алгоритм випадкового лісу, CatBoost та ін., використовуючи рекурсивне виключення ознак визначення ключових змінних для найбільш точної прогностичної моделі.
Виходи. Серед пацієнтів у 88 (23,09 %) розвинувся PPAP, при цьому у цих пацієнтів також спостерігалася більш висока частота післяопераційних нориць підшлункової залози (55,68 % порівняно з 14,68 %, p < 0,001) та нориць ступеню C (9,09 % порівняно з 1,37 %, p = 0,001). Алгоритм CatBoost (алгоритм градієнтного бустингу) перевершував інші, показавши виняткову площу під кривою робочої характеристики (ROC) - 0,859 у тренувальній групі та 0,822 у досліджуваній групі.
Ключові прогностичні змінні включали текстуру підшлункової залози, діаметр головної протоки підшлункової залози, ІМТ, розрахункову крововтрату та тривалість операції. Підсумкова модель CatBoost, що включала ці змінні, продемонструвала надійну прогностичну здатність з ROC-кривими 0,837 та 0,812 у тренувальній та досліджуваній групах відповідно. Ця прогностична модель на основі ШІ є значним кроком вперед у післяопераційному догляді при хірургічних втручаннях на підшлунковій залозі.
World Journal of Gastroenterology
Machine learning model-based prediction of postpancreatectomy acute pancreatitis following pancreaticoduodenectomy: A retrospective cohort study
Ma JM та співавт.
Коментарі (0)