Maskinlæringsplatforme til at forudsige 30-dages dødelighed efter akut laparotomi

Emergency laparotomi (EL) er en almindeligt udført procedure og højrisikokirurgi, som er kendt for at have en høj dødelighed og sygelighed. På trods af forskellige audits og undersøgelser for at identificere risikofaktorerne og indføre protokoller, der sigter mod at forbedre kirurgiske resultater, forbliver den kortsigtede dødelighed efter EL høj. Verdensomspændende data viser, at dødeligheden på kort sigt (30 dage) varierer mellem 5,3-21,8 %, og langsigtede (1-årige) dødelighedsrater varierer mellem 15-47% (Ref. 1). Ældre patienter er blevet identificeret som den undergruppe, der lider af de højeste dødelighedsrater, og indsatser er implementeret hos ældre patienter, der gennemgår EL, herunder: brugen af ​​risikoberegnere til dødelighedsforudsigelse, øget perioperativt input fra geriater og kritisk behandling, højere tilstedeværelse af kirurg og anæstesilæge på operationsstuen, og indførelse af styrkede plejeforløb. Udover alder og specialistinput omfatter andre risikofaktorer for dødelighed efter EL: skrøbelighed, kirurgisk varighed, cancerrelateret kirurgi, stomibehandling, patientvalg, præoperativ sepsis og fysiologiske parametre, allerede eksisterende komorbiditeter, ASA-status (Ref 2 ).

Mortalitetsforudsigelsesmodeller, der i øjeblikket er i klinisk brug for EL, omfatter Portsmouth-Physiologic and Operative Severity Score for opregning af dødelighed og morbiditet (P-POSSUM), Acute Physiology and Chronic Health Evaluation II (APACHE-II), American College of Surgeons National Surgical Kvalitetsforbedring (ACS-NSQIP) og den seneste tilføjelse af (NELA) risikoberegneren. National Emergency Laparotomy Audit (NELA) udført i Storbritannien siden 2012 har været et paradigmeskift i evidensbaseret forbedring for patienter, der gennemgår EL, hvilket viser en reduktion i den nationale 30-dages dødelighed (11,8 % vs. 8,7 % i 2012 vs. 2012) efter identifikation og implementering af specifikke anbefalinger (Ref 3).

Ved at bruge data fra den store NELA UK-kohorte mellem 2014-2016 blev NELA risikoberegningsværktøjet udviklet til at estimere 30-dages dødelighed og tager hensyn til patientdemografi, ASA-status, fysiologiske parametre, vitale tegn og detaljer vedrørende sværhedsgrad og natur af kirurgisk indgreb. Flere undersøgelser i Storbritannien, Australien, Singapore har vist, at NELA risikoberegneren er sammenlignelig, hvis ikke overlegen, med P-POSSUM for forudsigelse af dødelighed og risikostratificering for at skelne mellem lav- og højrisikopatienter, der gennemgår EL (Ref 5, 6, 7) . Ingen risikoscoring er dog perfekt. NELA-risikomodellen blev vist at underforudsige, og P-POSSUM til at overforudsige observeret dødelighed (Ref 8). Siden introduktionen har NELA været en pioner inden for udvikling af evidensbaserede interventioner og vejledende retninger for fremtidig forskning i patienter, der gennemgår EL, men implementeringen i Hong Kong har været begrænset af manglende validering af nøjagtighed i vores patientpopulation.

Skrøbelighed er defineret som: et objektivt mål for øget sårbarhed og nedsat fysiologisk reserve, hvilket resulterer i akkumulering af fysiologiske mangler i flere systemer, og kan forekomme hos patienter i alle aldre, men forekommer hyppigst hos ældre patienter. Skrøbelighed er en velkendt risikofaktor for dårlige kirurgiske resultater i EL (Ref 9, 10), men er endnu ikke inkorporeret i almindeligt anvendte risikoberegnere. Der er mange risikoscorings- og surrogatindekser for skrøbelighed, sarkopeni og osteopeni. Klinisk skrøbelighedsscore (CFS) er det mest almindeligt anvendte indeks for skrøbelighed, og CFS alene har vist sig at give prognostisk information for patienter, der gennemgår EL, men stadig underpræsterer sammenlignet med NELA. Interessant nok øgede tilføjelse af CFS til NELA ikke nøjagtigheden af ​​risikomodellens forudsigelse (Ref 11).

Anvendelsen af ​​deep learning og maskinlæring vinder frem og er blevet brugt til at udvikle forskellige risikoforudsigelsesmodeller og forudsigelse af fremtidige begivenheder (Ref 4). Akkumulering af enorme datasæt fra anæstesijournaler kan vise sig at være en skattekiste for dataforskere til at afdække nye tendenser og forudsigelser, som tidligere ville blive overset. Risikoberegnere er nyttige værktøjer for klinikere til at hjælpe med klinisk beslutningstagning, men nøjagtigheden og valideringen af ​​disse risikoberegnere er ikke blevet udført i dette område. Ved at bruge maskinlæringsalgoritmer og inkorporering af skrøbelighed i risikoberegnere håber vi at udvikle en ny algoritme med høj nøjagtighed og generaliserbarhed, som skal introduceres til klinisk brug.

Referencer:

1. (Ref. 1: Ng et. al, Et års resultater efter akut laparotomi: En systematisk gennemgang, World J surg, 2022, https://pubmed.ncbi.nlm.nih.gov/34837122/)
2. (Ref 2: (Ref: Boyd-Carson et al, En gennemgang af kirurgiske og peri-operative faktorer, der skal overvejes i akut laparotomibehandling, 2020, Anesthesia, https://pubmed.ncbi.nlm.nih.gov/31903572/)
3. (Ref 3: NELA Project Team. Syvende patientrapport fra National Emergency Laparotomy Audit RCoA London 2021)
4. (Ref 4: Kwon et al, Machine learning: a new opportunity for risk prediction, Korean Circ J. 2020, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6923232/)
5. (Ref 5: Lai et al, En sammenligning af P-POSUSM- og NELA-risikoscore for patienter, der gennemgår akut laparotomi i Singapore, World J Surg, 2021, https://pubmed.ncbi.nlm.nih.gov/33903953/)
6. (Ref 6: Eliezer et al., Højrisiko-nødlaparotomi i Australien: sammenligning af NELA-, P-POSSUM- og ACS-NSQIP-beregnere, J of surg research, 2020, https://www.sciencedirect.com/science/article/abs/ pii/S0022480419306584 )
7. (Ref 7: Eugene et al., Udvikling og intern validering af en ny risikojusteringsmodel for voksne patienter, der gennemgår akut laparotomikirurgi: den nationale risikomodel for laparotomiaudit, BJA, 2018, https://www.sciencedirect.com/science/ artikel/pii/S0007091218305786 )
8. (Ref 8: Thahir A, Pinto-Lopes R, Madenlidou S, Daby L, Halahakoon C. Dødelighedsrisikoscoring i akut generel kirurgi: Bruger vi det bedste værktøj? Journal of Perioperative Practice. 2021;31(4):153-158. doi:10.1177/1750458920920133, https://journals.sagepub.com/doi/abs/10.1177/1750458920920133)
9. (Ref 9: Fehlmann et al, Association between mortality and frailty in emergency general surgery: a systematic review and meta-analyse, Euro J Trauma Emerg Surg, 2022, https://link.springer.com/article/10.1007/s00068- 020-01578-9)
10. (Ref 10: Lee et.al, 2020, https://doi.org/10.1111/jgs.16334 (https://agsjournals.onlinelibrary.wiley.com/doi/epdf/10.1111/jgs.16334))
11. (Ref 11: Palaniappan - Sammenligning af den kliniske skrøbelighedsscore CFS med National Emergency. Palaniappan et al., Sammenligning af CFS med NELA-risikoberegneren hos alle patienter, der gennemgår akut laparotomi, kolorektal sygdom, 2022, https://onlinelibrary.wiley. com/doi/full/10.1111/codi.16089)