Введение:

Ранние предикторы послеоперационных осложнений позволяют стратифицировать риск у пациентов, перенесших операцию по поводу колоректального рака. Однако традиционные регрессионные модели обладают ограниченной способностью выявлять сложные нелинейные зависимости между большим числом переменных. Мы разработали модели на основе искусственных нейронных сетей для оптимизации предсказания серьезных послеоперационных осложнений и риска повторной госпитализации у пациентов, перенесших операции по поводу колоректального рака.

Цель:

Цель данного исследования – разработка модели на основе искусственной нейронной сети для предсказания послеоперационных осложнений с использованием лабораторных данных, а также сравнение точности методики с традиционными регрессионными моделями.

Дизайн:

Ретроспективное исследование, включающее пациентов, которым проводилась плановая резекция по поводу колоректального рака в период с 1 января 2016 года по 31 июля 2021 года. Были собраны клинические данные, стадия рака и лабораторные показатели за 1–3 сутки после операции. Для моделирования осложнений и риска повторной госпитализации использовались многовариантный логистический регрессионный анализ и нейронные сети.

Место проведения:

Комплексный онкологический центр, аккредитованный Национальным институтом рака.

Пациенты:

Взрослые пациенты с диагнозом колоректального рака.

Основные показатели:

Точность предсказания серьезных послеоперационных осложнений, повторных госпитализаций и частоты несостоятельности анастомоза, оцененная по площади под кривой рабочей характеристики (AUC ROC).

Результаты:

Модели на основе нейронных сетей продемонстрировали большую площадь под кривой ROC для предсказания серьезных осложнений по сравнению с регрессионными моделями (нейронная сеть: 0.811; регрессионная модель: 0.724, p < 0,001). Преимущество нейронных сетей также наблюдалось в предсказании развития несостоятельности анастомоза (p = 0.036) и риска повторной госпитализации на основе данных за 1–2 сутки после операции (p = 0.014).

Ограничения:

Одноцентровое ретроспективное исследование, ограниченное операциями по поводу злокачественных опухолей.

Заключение:

В данном исследовании были разработаны модели для раннего предсказания осложнений после операций по поводу колоректального рака. Модели на основе нейронных сетей продемонстрировали лучшую точность в сравнении с традиционными логистическими регрессионными моделями. Эти модели могут способствовать раннему выявлению послеоперационных осложнений, начиная со второго дня после операции.

Источник: Agnes A, Nguyen ST, Konishi T, et al. Early Postoperative Prediction of Complications and Readmission After Colorectal Cancer Surgery Using an Artificial Neural Network. Dis Colon Rectum. 2024;67(10):1341-1352. doi:10.1097/DCR.0000000000003253