脊髄外科手術におけるリスクに適応した血液管理の決定を導くために,手術中の血流の有意な損失の機械学習ベースの予測

科学分野:

• 外科腫瘍学外科腫瘍学
• 医学における機械学習
• 患者の血液管理について

背景:

• 脊髄外科手術中に大量に血液が失われるのは一般的であり,輸血の必要性が増加し,患者の治療結果は悪化する.
• 現在の術前リスク分層化ツールと個別化された血液管理戦略は不十分です.
• 脊髄外科手術における手術中の血流の予測と緩和は,依然として重要な臨床的課題です.

研究 の 目的:

• 脊髄外科手術における重要な手術中の血流を予測するための機械学習モデルを開発および検証.
• 予測モデルの指針として,Cell Saverを使用して,リスクに適応した血液管理戦略の臨床的利益を評価する.

主な方法:

• 3944人の脊髄外科手術患者のデータで26の機械学習アルゴリズムをトレーニングしました.
• 簡素化されたモデルを作成するために,Shapleyの追加説明を使用して,主要な予測要因を特定しました.
• 843人の患者で最適なモデルを外部で検証し,Cell Saverの効果を決定曲線とスライン分析を用いて評価した.

主要な成果:

• 12変数のモデルは,テストおよび外部検証コホートで高い予測精度 (AUC 0.814-0.820) を達成しました.
• リスクに適応したCell Saver戦略は,現在の実践と比較して,より大きな臨床的利益を示した.
• セルセーバーの効用は,予想される外科手術による失血リスクとともに増加し,ヘモグロビンを改善し,高リスク患者の輸血量を減少させた.

結論:

• 12変数の機械学習モデルが,脊髄外科手術患者の有意な失血リスクを正確に予測しています.
• このモデルから情報を得て,リスクに適応したCell Saver戦略を実装することで,臨床結果が向上します.
• このアプローチは,経験に基づく血液管理戦略と比較して,より優れた臨床的利益を提供します.