一项可行性研究,评估了乳头节省乳房切除术后重建并发症的定量印西安绿色血管学预测因素

科学领域:

• 手术瘤学手术瘤学
• 整形和重建手术 整形和重建手术
• 医疗成像医学成像

背景情况:

• 乳房切除术后的立即乳房重建提供了好处,但由于输液相关并发症 (PRC) 面临挑战.
• 在手术中使用绿色光血管学 (ICGFA) 来评估膜 perfusion,但它的解释是主观的.
• 开发ICGFA分析的客观方法对于缓解PRC和改善外科手术结果至关重要.

研究的目的:

• 开发和验证ICGFA分析的定量方法.
• 调查定量输液参数与术后PRC之间的关联.
• 开发基于ICGFA数据的机器学习 (ML) 算法来预测PRC.

主要方法:

• 分析ICGFA视频记录的患者接受乳头节省乳房切除术 (NSM) 立即或分阶段立即重建.
• 提取光强度时间序列数据以导出 perfusion 参数.
• 训练一个Naïve Bayes ML模型,使用从ICGFA提取的元数据来预测PRC.

主要成果:

• 分析了来自116名患者的157个ICGFA视频的数据集.
• 与无并发症病例相比,患有PRC的患者表现出明显较暗和较慢发作的光峰值.
• 在预测PRC时,ML模型实现了84.6%的灵敏度和76.9%的特异性.
• 定量ICGFA参数被转换为热图,用于潜在的手术内显示.

结论:

• 对ICGFA的定量评估提供了关于膜 perfusion 的客观数据.
• 量化ICGFA参数与中国之间存在统计关联.
• 机器学习算法对预测PRC充满希望,有可能改善外科决策和患者结果.