急性胆石性胆嚢炎における術後合併症予測のための機械学習ツールの開発と検証
Ottavia Cicerone1,2, Simone Frassini1,2, Anna Gallotti3
1Dipartimento di scienze clinico-chirurgiche, diagnostiche e pediatriche, University of Pavia, Pavia, Italy.
Updates in surgery
|December 19, 2025
まとめ
機械学習モデルは、急性胆石性胆嚢炎（ACC）の術後合併症を予測します。CholeSurgRisk I（術前）およびCholeSurgRisk II（包括的）は、患者転帰の改善に向けたリスク層別化を向上させます。
科学分野:
- 腫瘍外科
- 医療情報学
- 予測分析
背景:
- 急性胆石性胆嚢炎（ACC）は頻繁な外科的緊急事態です。
- 早期腹腔鏡下胆嚢摘出術（ELC）が標準治療ですが、術後合併症は依然として存在します。
- 合併症の正確な予測は、患者管理にとって重要です。
研究 の 目的:
- ACCにおける主要な術後合併症を予測するための機械学習モデルを開発および検証すること。
- リアルタイムリスク評価のためのユーザーフレンドリーなツールを作成すること。
- ACC患者における周術期リスク層別化を強化すること。
主な方法:
- 多施設データベース（1,253人の患者）の後ろ向き解析。
- Lasso回帰による予測変数（人口統計学的、臨床的、周術期）の特定。
- AUC-ROCを用いたランダムフォレスト、XGBoost、決定木アルゴリズムのトレーニングとテストによるパフォーマンス評価。
主要な成果:
- CholeSurgRisk I（術前モデル）はAUC-ROC 0.8456を達成しました。
- CholeSurgRisk II（包括的モデル）は、術中データを含めることで、AUC-ROC 0.8903で予測を改善しました。
- 術前のリスク推定のために、ウェブベースのツールCholeSurgRisk Iが開発されました。
結論:
- 機械学習は、ELCを受けるACC患者のリスク層別化を大幅に改善します。
- CholeSurgRisk Iは、早期の術前リスク評価を可能にします。
- CholeSurgRisk IIは、術中因子を統合することで洗練された予測を提供し、臨床的意思決定を支援し、患者の転帰を最適化します。
