術後CRPトレンドを用いた大腸吻合部漏出予測のための機械学習モデル：パイロットスタディ

科学分野:

• 大腸手術成績
• 術後合併症予測
• 手術患者におけるバイオマーカー分析

背景:

• 吻合部漏出（AL）は大腸切除術後の重大な合併症であり、患者の罹患率を著しく増加させます。
• AL予測のための静的C反応性タンパク質（CRP）閾値への現在の依存には限界があります。
• CRP軌跡（経時的変化）の予測値に関する初期の研究が進められています。

研究 の 目的:

• 術後CRP閾値および軌跡データを用いたAL予測のための機械学習（ML）モデルの評価。
• MLモデルの性能と従来の単変量CRP指標との比較。
• 早期術後リスク層別化における動的CRP分析の精度の評価。

主な方法:

• 選択的大腸切除術（2020-2025）の後ろ向き分析。
• ロジスティック回帰、Lasso、ランダムフォレスト（RF）、およびExtreme Gradient Boosting（XGB）モデルの開発と検証。
• 術後1〜3日目のCRPレベル（絶対値、変化率、正味差）を5分割交差検証で使用しました。

主要な成果:

• 絶対CRP値と変化率を統合したXGBモデルが最高の予測性能（AUC 0.91）を達成しました。
• CRP閾値と軌跡データの両方を組み込んだMLモデルは、絶対CRP値のみを使用したモデルよりも優れた性能を示しました。
• XGBおよびRFモデルは、Lasso回帰と比較して、優れた精度とバランスの取れた感度/特異性を実証しました。

結論:

• 動的CRPデータ（閾値および軌跡）を活用した機械学習モデルは、吻合部漏出予測の精度を有意に向上させます。
• CRPの動的、データ駆動型分析は、大腸手術患者の早期術後リスク層別化を改善します。
• これらのMLベースの予測モデルの一般化可能性を確認するためには、さらなる多施設共同検証が必要です。