Video Experimental Relacionado
Updated: May 8, 2026
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Comparación de la precisión de los modelos predictivos en la detección temprana de insuficiencia hepática
Ying Li1,2, Yu-Meng Liu1,3, Yu-Lin Gao4
1General Surgery, Cancer Center, Department of Hepatobiliary & Pancreatic Surgery and Minimally Invasive Surgery, Zhejiang Provincial People's Hospital (Affiliated People's Hospital), Hangzhou Medical College, Hangzhou, Zhejiang, China.
La predicción de la insuficiencia hepática posterior a la hepatectomía es crucial. Un nuevo modelo que combina el lactato y los factores quirúrgicos identifica con precisión a los pacientes en riesgo, mejorando la evaluación preoperatoria.
Área de la Ciencia:
- Cirugía hepatobiliar
- Oncología quirúrgica
- Biomarcadores clínicos
Sus antecedentes:
- La insuficiencia hepática posterior a la hepatectomía (IPH) es una causa significativa de mortalidad después de la resección hepática.
- La predicción precisa de la PHLF clínicamente relevante (CR-PHLF) es esencial para el tratamiento del paciente.
- El valor predictivo del lactato, especialmente con otros factores, requiere más investigación.
Objetivo del estudio:
- Desarrollar y validar un modelo predictivo para el CR-PHLF.
- Evaluar la utilidad de combinar los niveles de lactato con otras variables clínicas y quirúrgicas.
- Comparar el rendimiento del nuevo modelo con los sistemas de puntuación establecidos.
Principales métodos:
- Análisis retrospectivo de 915 pacientes con resección hepática.
- Regresión logística multivariada para identificar los predictores CR-PHLF.
- Desarrollo y validación de un nomograma que incorpore lactato y factores intraoperatorios.
Principales resultados:
- Se identificaron seis predictores clave: género, ICGR-15, pérdida de sangre, transfusión, extensión de la resección y lactato.
- El nomograma alcanzó un AUC de 0,781 (entrenamiento) y 0,812 (validación).
- El modelo demostró una precisión predictiva superior en comparación con las puntuaciones de ALBI y APRI.
Conclusiones:
- Un modelo integrado que utiliza lactato y datos intraoperatorios ofrece una predicción superior de CR-PHLF.
- Este modelo mejora la estratificación del riesgo preoperatorio y la toma de decisiones intraoperatorias.
- Los hallazgos apoyan la utilidad clínica de esta nueva herramienta predictiva.
