Aivastuksen jälkeisen sydänleikkauksen akuutin munuaissairauden ennustaminen: koneoppimislähestymistapa

Munuaisvamma sydänleikkauksen jälkeen on yksi yleisimmistä komplikaatioista, jolla on korkea esiintyvyys, korkea kuolleisuusriski ja edistymisen riski krooniseen munuaissairauteen (CKD). Aikaisemmat leikkauksen aikaisen munuaistoiminnan arviot keskittyivät pääasiassa sydänleikkaukseen liittyvään akuuttiin munuaisvaurioon (AKI) seitsemän päivän kuluessa leikkauksesta. Viime vuosina esitetty uusi akuutin munuaissairauden (AKD) käsite viittaa akuuttiin tai subakuuttiin munuaisvaurioon, joka kestää seitsemästä yhdeksäänkymmeneen päivään. Tutkimukset ovat havainneet, että AKD voi ilmetä AKI:n jälkeen tai potilailla, joilla ei ole AKI:ta, ja nämä kaksi ovat sekä yhteydessä että riippumattomia toisistaan, mikä saattaa viitata erilaisiin munuaisvaurion alatyyppeihin. AKD ei ole harvinainen, ja se on merkittävämpi ennustaja kuolleisuudelle ja lopullisen vaiheen munuaissairaudelle (ESKD). Siksi AKD saattaa olla tärkeä ikkuna korkean riskin potilaiden tunnistamiseen ja hoitoon sydänleikkauksen jälkeen. Sydänleikkauksen jälkeiseen AKD:hen liittyvien tutkimusten vähäisyyden vuoksi AKD:n riskitekijät ovat tällä hetkellä epäselviä, eikä ole käytettävissä kliinisesti käytännöllisiä ja tehokkaita riskiluokittelutyökaluja. Tämän tutkimuksen tavoitteena on perustaa monimuotoinen leikkauksen aikainen tietopohja retrospektiivisen kohortin kautta ja käyttää koneoppimismenetelmiä rakentamaan riskien ennustemalli sydänleikkauksen jälkeiselle AKD:lle. Mallin tarkkuus ja vakaus vahvistetaan prospektiivisessa tutkimuskohortissa, ja kehitetään verkossa toimiva riskien ennusteen ja kliinisen päätöksenteon työkalu auttamaan kliinikkoja suorittamaan nopeasti henkilökohtaisia riskinarviointeja ja optimoimaan diagnoosi- ja hoitostrategioita, mikä parantaa potilaan ennustetta ja vähentää terveydenhuoltokustannuksia.