基于机器学习的预测,在腹腔镜胰腺双管切除术后术后胰腺囊的预测

科学领域:

• 肝胆道手术 肝胆道手术
• 手术瘤学手术瘤学
• 胃肠病学 胃肠病学

背景情况:

• 临床相关的术后胰腺囊 (CR-POPF) 是腹腔镜胰腺双管切除术 (LPD) 后的一个主要并发症,影响患者的治疗结果.
• 确定风险因素和开发CR-POPF的预测模型对于改善外科护理至关重要.
• 现有的CR-POPF预测模型需要进一步改进和验证.

研究的目的:

• 系统地分析与LPD后的CR-POPF相关的风险因素.
• 使用机器学习开发和验证CR-POPF的优化预测模型.
• 为LPD患者提供基于证据的个性化风险评估工具.

主要方法:

• 对210名接受LPD治疗的患者进行了回顾性分析.
• 根据ISGPS 2016标准将患者分为CR-POPF和非CR-POPF组.
• 后勤回归和机器学习算法 (随机森林) 用于风险因素识别和模型开发.

主要成果:

• 软胰腺纹理被确定为CR-POPF的独立预测因子 (OR=4.99).
• 较高的BMI,特定的血液标志物 (单细胞,血小板,胆红素,AST,ALT) 和较低的白蛋白与CR-POPF有关.
• 随机森林模型,使用手术前变量,显示出强大的预测性能 (AUC=0.747).

结论:

• 软胰腺质地是LPD后CR-POPF的重要独立风险因素.
• 使用手术前数据的基于机器学习的预测模型为风险分层提供了有价值的见解.
• 该模型支持针对LPD患者的个性化术前规划和术后管理策略.