後腹膜腹腔鏡副腎摘出術における術中出血量予測のための機械学習ベースモデル

科学分野:

• 泌尿器科学
• 腫瘍外科
• データサイエンス

背景:

• 術中出血量（IBL）は、後腹膜腹腔鏡副腎摘出術（RLA）中および術後の合併症の重要なリスク因子である。
• IBLの正確な予測は、患者の安全性と手術計画にとって極めて重要である。

研究 の 目的:

• RLA患者におけるIBLに関連するリスク因子を特定する。
• IBL予測のための機械学習（ML）モデルを開発し、比較する。

主な方法:

• 530例の後腹膜腹腔鏡副腎摘出術（2014-2021）のレトロスペクティブ分析。
• LASSO回帰を用いた特徴量選択。
• ロジスティック回帰（LR）、ランダムフォレスト（RF）、ニューラルネットワーク（NN）を含むMLモデルの開発と評価。

主要な成果:

• 性別、執刀医の経験、疾患の種類、病変の直径、および部位が高IBL（≥100 ml）の予測因子として特定された。
• LR、RF、NNモデルは、それぞれ0.775、0.769、0.729のAUCで強力な予測性能を示した。
• 臨床的ノモグラムとオンライン計算機が開発され、優れた臨床的有用性を示した。

結論:

• MLモデルはRLAにおけるIBLを効果的に予測し、手術リスク評価を支援する。
• これらのモデルは、個別化された治療戦略のための非侵襲的なツールを提供する。
• 本研究は、手術手技における臨床実践におけるMLの可能性を強調する。