Koneoppiminen akuutin sappihaimatulehduksen uusiutumisriskin arviointiin. (MINERVA)

Akuutti haimatulehdus on yleisin haimasairaus, jonka ilmaantuvuus on maailmanlaajuisesti 34 tapausta 100 000 henkilöä kohti. Tähän tautiin saa vuosittain yli 1,5 miljoonaa uutta potilasta maailmanlaajuisesti, ja kuolleisuus on lähes yhtä prosenttia. Lievää sappiperäistä akuuttia haimatulehdusta sairastavia potilaita voidaan hoitaa sairaalaan tullessaan indeksillä, varhaisella kolekystektomialla (3–7 päivän kuluessa akuutista episodista) tai konservatiivisesti. Vaikka konservatiivinen hoito voi olla ratkaisevaa, jopa 35 %:lla näistä potilaista uusiutuminen tapahtuu 30 päivän kuluessa, ja ne vaativat kiireellistä leikkausta huomattavasti huonommassa potilaan yleistilassa, mikä vähentää onnistumisen mahdollisuuksia. Muutoin uusiutuminen lisää dramaattisesti kroonisen haimatulehduksen, haimasyövän, leikkauksen jälkeisten komplikaatioiden ja yleisen kuolleisuuden mahdollisuuksia. Relapsijaksoilla on myös taloudellinen vaikutus terveydenhuoltolaitoksiin, sillä toinen ja pidempi sairaalahoito potilasta kohden nostaa kokonaishoitokustannuksia potilasta kohti vähintään 100 %. Toistaiseksi ei kuitenkaan ole olemassa standardoituja menetelmiä sappitiehyen akuutin haimatulehduksen uusiutumisen ennustamiseksi potilailla, joille ei ole tehty varhaista kolekystektomiaa ensimmäisen lievän akuutin sappihaimatulehduksen jakson jälkeen.

MINERVA (Machine Learning for the Relapse Risk eValuation in Acute biliary pancreatitis) -hanke johtuu kliinisen käytännön tarpeesta tehdä operatiivinen päätös potilailla, jotka joutuvat sairaalaan lievän akuutin sappihaimatulehduksen diagnoosilla.

MINERVA-projektilla pyritään saavuttamaan seuraavat tavoitteet ja tulokset:

1. ehdottaa uutta menetelmää uusiutumisriskin arvioimiseksi potilailla, joilla on lievä akuutti sappihaimatulehdus, joille ei tehty varhaista kolekystektomiaa ensimmäisen lievän sappiperäisen akuutin haimatulehduksen jakson jälkeen;
2. Ehdota koneoppimisen ennakoivaa mallia käyttämällä Deep Learning -arkkitehtuuria, jota sovelletaan dataan, joka on helppo kerätä potilailta;
3. Vahvista MINERVA-pisteet laajassa, monikeskisessä, tulevassa kohortissa;
4. Salli kansallisten ja kansainvälisten kliinikkojen, lääkintähenkilöstön, tutkijoiden ja suuren yleisön käyttää vapaasti ja helposti MINERVA-pistelaskelmia ja käyttää sitä päivittäisessä kliinisessä käytännössään.

MINERVA-pisteet antavat kliinikoille validoidun ja standardoidun arvion uusiutumisriskistä, jossa otetaan huomioon kunkin potilaan henkilökohtainen historia, demografiset tiedot ja laboratorioominaisuudet. MINERVA-pisteet ovat maksuttomia ja helppoja laskea välittömästi kaikille hoitohenkilökunnalle. se on käytettävissä milloin tahansa MINERVA-verkkosivustolla ja verkkosovelluksessa, ja se tarjoaa välittömän ja luotettavan tuloksen, joka voi olla selkeä osoitus parhaasta hoitoreitistä kliinikolle ja potilaalle.

MINERVA-pistemalli kehitetään retrospektiiviselle potilasryhmälle (MANCTRA-1, joka on jo rekisteröity osoitteessa ClinicalTrials.gov) ja se validoidaan uudella mahdollisella monikeskisellä kohortilla.

Retrospektiivinen kohortti Mallin kehittäminen ja peruskoulutus suoritetaan retrospektiiviselle potilaskohortille (n=692), jotka on kerätty alustavan monikeskisen tutkimuksen MANCTRA-1-tutkimuksen (hyväksytty Cagliarin yliopistollisen sairaalan eettisen komitean MANCTRA-1) aikana. - NCT04747990, Prot. PG/2021/7108), jonka on suorittanut PI (Dr. Mauro Podda) ja Cagliarin yliopiston paikallinen vastuuhenkilö MINERVA-hankkeesta.

Tuleva kohortti Yhteensä 430 potilasta rekrytoidaan MINERVA-tutkimuksen tulevaan kohorttiin.

Menetelmät MINERVA-pisteet perustuvat koneoppimismalliin, joka kehitetään ja koulutetaan retrospektiiviselle kohortille ja validoidaan tulevalle potilasryhmälle.

Kaikki mallimuuttujat käsitellään ytimen pääkomponenttianalyysillä (kPCA).

Pääkomponenttien hajontakaavion kupera runko lasketaan ja pienin suorakulmio erotetaan. Suorakulmio muunnetaan 2d-kuvaksi kiinteällä resoluutiolla käyttämällä ominaisuuksien keskiarvoa ja normalisointia.

Mallin kehittää Napolin Federico II:n yliopistossa tohtori Daniela Pacella koneoppimisen asiantuntemuksella ja ohjauksella.

Ylisovituksen estämiseksi tietojoukko jaetaan harjoitussarjaan, testijoukkoon ja validointijoukkoon. Lisäksi käytetään k-kertaista ristiinvalidointia. MINERVA-mallin suorituskykyä arvioidaan käyttämällä yleisimpiä tarkkuusmittareita, kuten tarkkuus, palautus ja AUC (alue Under the ROC Curve). Lisäksi sen suorituskykyä verrataan perinteisillä koneoppimismenetelmillä (SVM, ANN) saavutettuun suorituskykyyn. Puuttuvat tiedot käsitellään imputointimenetelmillä.

Muuttujat Ikä (Vuotta) Sukupuoli (mies:nainen) Aiemmat sappihaimatulehdukset (Kyllä; Ei) Erikoisala (HepatoPancreatoSappikirurgia, Yleiskirurgia, Sisätaudit, Gastroenterologia) Painoindeksi -BMI- (kg/m2) Diabeteksen kliininen historia (Ei diabetesta; Kyllä, jos elimen toimintahäiriö; Kyllä ilman elimen toimintahäiriötä) Kroonisen keuhkosairauden kliininen historia (Kyllä; Ei) Kliininen verenpainetauti (Kyllä; Ei) Kliininen eteisvärinän historia (Kyllä; Ei) Kliininen iskeemisen sydänsairauden historia (Kyllä; Ei) Kroonisen munuaissairauden kliininen historia (Ei; Kyllä lääkkeiden alla; Kyllä pysyvässä munuaiskorvaushoidossa tai siihen valmistautuessa) Hematopoieettisen järjestelmän sairauksien kliininen historia (Kyllä; Ei) Potilas, joka saa immunosuppressiivisia lääkkeitä sairaalassa sisäänpääsy (Kyllä; Ei) Valkosolut -WBC- (solut/mm3) Neutrofiilit (solut/mm3) Verihiutaleet (Plt/mm3) INR (International Normalised Ratio) C-reaktiivinen proteiini -CRP- (mg/L) Aspartaattiaminotransferaasi - AST- (U/L) Alaniiniaminotransferaasi -ALT- (U/L) Kokonaisbilirubiini (mg/dl) Konjugoitu bilirubiini (mg/dl) Gamma-glutamiilitranspeptidaasi -GGT- (U/L) Seerumin amylaasi (U/L) ) Seerumin lipaasi (U/L) Laktaattidehydrogenaasi -LDH- (U/L) Koledokolikivitauti (Kyllä; Kyllä yleisen sappitiehyen tukkeutuman kanssa; Ei) Kolangiitti (Kyllä; Ei) ERCP sphincterotomialla (Kyllä 24 tunnin sisällä sairaalaan saapumisesta; Kyllä 24–48 tunnin kuluessa sairaalaan saapumisesta; Kyllä 48–72 tunnin sisällä sairaalaan saapumisesta; Ei) Akuutin sappihaimatulehduksen uusiutuminen 30 päivän kuluttua, 60– päivä, 90 päivää, 1 vuosi.