Living donor liver transplantationにおける術中大量出血のデータ駆動型予測モデリング：機械学習技術の統合

Taiichi Wakiya¹, Yukihiro Sanada¹, Noriki Okada¹

¹Division of Gastroenterological, General and Transplant Surgery, Department of Surgery, Jichi Medical University, Shimotsuke, Tochigi, Japan.

PloS one

|February 6, 2026

まとめ

機械学習モデルは、術前の要因を使用して、生体肝移植における術中の大量出血を予測できます。このデータ駆動型アプローチは、この複雑な外科的処置のリスク層別化を改善します。

科学分野:

肝胆道外科学
移植外科学
医療情報学

背景:

術中大量出血（IBL）は、肝移植（LT）における重大なリスクであり、患者の転帰と資源配分を複雑にします。LTにおけるIBLの従来の危険因子層別化モデルは、術前の要因間の複雑で非線形な関係を捉える精度が欠けていることがよくあります。LTにおけるより良い患者管理と外科的計画のためには、高度な予測モデルの開発が不可欠です。

主な方法:

前向きデータベースからの連続290例のLDLT症例の分析。
術中大量出血（≥ 80 mL/kg）を予測するための73の術前変数を用いたロジスティック回帰モデルの開発。
後方ステップワイズ特徴量選択に交差検証と反復ランダム分割を適用して、安定した予測特徴量を特定しました。

結論:

機械学習は、LDLTにおけるIBLの予測において、術前要因の複雑な相互作用を効果的に捉えます。
開発されたモデルは、LDLTにおけるリスク層別化の改善のための有望なツールを提供します。
機械学習のようなデータ駆動型アプローチは、複雑な外科的シナリオにおける予測精度の向上に価値があります。

キーワード:

生体肝移植術中大量出血機械学習予測モデリングリスク層別化

さらに関連する動画

12:49

Porcine Liver Transplantation Without Veno-Venous Bypass As an Extended Criteria Donor Model

Published on: August 17, 2022

3.1K

04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.8K

関連する概念動画

01:27

Applications of Integration to Find Blood Flow

Blood flow through a cylindrical blood vessel can be mathematically described using the principles of laminar flow, a regime in which fluid moves smoothly in parallel layers. In this model, the velocity of the blood is not uniform across the cross-section of the vessel; rather, it varies with the radial distance from the center. The maximum velocity occurs along the central axis, decreasing progressively toward the vessel walls, where it reaches zero due to viscous drag.Approximating Blood...