Gépi tanulás az akut biliaris hasnyálmirigy-gyulladás kiújulási kockázatának értékeléséhez. (MINERVA)

Az akut hasnyálmirigy-gyulladás a leggyakoribb hasnyálmirigy-betegség, világszerte 34 eset/100 000 egyén. Ez a betegség évente több mint 1,5 millió új beteget érint világszerte, a halálozás megközelíti az 1%-ot. Az enyhe epeúti akut pancreatitisben szenvedő betegek a kórházba kerüléskor indexes, korai cholecystectomiával (az akut epizódtól számított 3-7 napon belül) vagy konzervatív módon kezelhetők. Míg a konzervatív kezelés eredményes lehet, ezeknek a betegeknek akár 35%-a 30 napon belül visszaesik, és jelentősen rosszabb általános állapot esetén sürgős műtétre van szükség, ami csökkenti a siker esélyét. Ettől eltekintve, a visszaesés drámaian növeli a krónikus hasnyálmirigy-gyulladás, a hasnyálmirigyrák, a posztoperatív szövődmények és az általános mortalitás esélyét. A relapszusos epizódok gazdasági hatást is gyakorolnak az egészségügyi intézményekre, mivel egy betegenkénti második és hosszabb kórházi felvétel legalább 100%-kal növeli az egy betegre eső teljes egészségügyi költséget. Mindeddig azonban nem léteznek szabványosított módszerek az epeúti akut pancreatitis visszaesésének előrejelzésére olyan betegeknél, akiknél nem esett át korai kolecisztektómia az enyhe epeúti akut pancreatitis első epizódja után.

A MINERVA (Machine learning for the Relapse Risk evaluation in Acute biliaris pancreatitis) projekt abból a klinikai gyakorlatból fakad, hogy operatív döntést kell hozni azoknál a betegeknél, akik enyhe akut biliaris pancreatitis diagnózisával kerülnek kórházba.

A MINERVA projekt a következő célokat és eredményeket kívánja elérni:

1. Javaslat egy új módszertan a relapszus kockázatának felmérésére enyhe epeúti akut pancreatitisben szenvedő betegeknél, akiknél nem esett át korai kolecisztektómia az enyhe epeúti akut pancreatitis első epizódja után;
2. Javasoljon egy Machine Learning prediktív modellt a Deep Learning architektúrával, amelyet a betegektől könnyen gyűjthető adatokra alkalmaznak;
3. Érvényesítse a MINERVA pontszámát egy kiterjedt, multicentrikus, leendő kohorszban;
4. Lehetővé teszi a hazai és nemzetközi klinikusok, egészségügyi személyzet, kutatók és a nagyközönség számára, hogy szabadon és egyszerűen hozzáférhessenek a MINERVA-pontszámításhoz, és felhasználhassák azt napi klinikai gyakorlatukban.

A MINERVA pontszám a klinikusok számára validált és szabványosított értékelést nyújt a relapszus kockázatáról, amely figyelembe veszi az egyes betegek személyes anamnézisét, demográfiai adatait és laboratóriumi jellemzőit. A MINERVA pontszám ingyenes és könnyen kiszámítható lesz minden egészségügyi személyzet számára; bármikor elérhető lesz a MINERVA weboldalán és webalkalmazásában, és azonnali és megbízható eredményt fog nyújtani, amely egyértelműen jelzi a legjobb kezelési utat a klinikus és a páciens számára.

A MINERVA pontszámmodellt a betegek retrospektív csoportjára (MANCTRA-1, már regisztrálták a ClinicalTrials.gov oldalon) fogják kidolgozni. és egy új, leendő multicentrikus kohorszon érvényesítik.

Retrospektív kohorsz A modellfejlesztést és a kezdeti képzést a betegek retrospektív kohorszán (n=692) végezzük, amelyet egy előzetes multicentrikus vizsgálat, a MANCTRA-1 vizsgálat során gyűjtöttek össze (jóváhagyta a Cagliari Egyetem Kórházának Etikai Bizottsága, MANCTRA-1). - NCT04747990, Prot. PG/2021/7108), amelyet a PI (Dr. Mauro Podda) és a Cagliari Egyetem helyi felelőse a MINERVA projektért.

Leendő kohorsz A MINERVA vizsgálat leendő kohorszába összesen 430 beteget vesznek fel.

Módszerek A MINERVA pontszám egy gépi tanulási modellen alapul, amelyet egy retrospektív kohorszra fejlesztenek ki és képeznek ki, és egy leendő betegcsoporton érvényesítenek.

Az összes modellváltozót a kernel főkomponens-elemzése (kPCA) dolgozza fel.

A főkomponensek szórásdiagramjának Konvex Hull-ját kiszámítjuk, és a legkisebb téglalapot kinyerjük. A téglalap fix felbontású 2D-s képpé alakul át jellemző átlagolás és normalizálás segítségével.

A modellt a Nápolyi Federico II Egyetemen fejleszti Dr. Daniela Pacella gépi tanulási szakértelemmel és felügyelettel.

A túlillesztés elkerülése érdekében az adatkészlet fel lesz osztva tanítási készletre, tesztkészletre és érvényesítési készletre. Ezenkívül k-szeres keresztellenőrzést kell alkalmazni. A MINERVA modell teljesítményét a leggyakrabban alkalmazott pontossági mérőszámok segítségével értékelik, mint például a precizitás, a visszahívás és az AUC (ROC görbe alatti terület). Ezenkívül a teljesítményét a hagyományos gépi tanulási módszerekkel (SVM, ANN) elért teljesítményével fogják összehasonlítani. A hiányzó adatokat imputációs módszerekkel kezeljük.

Változók Életkor (év) Nem (Férfi: Nő) Korábbi epeúti hasnyálmirigy-gyulladás (Igen; Nem) Szakterület felvétele (HepatoPancreatoEpesebészet, Általános sebészet, Belgyógyászat, Gasztroenterológia) Testtömegindex -BMI- (Kg/m2) Cukorbetegség klinikai története (Nincs cukorbetegség; Igen szervi diszfunkcióval; Igen szervi diszfunkció nélkül) Krónikus tüdőbetegség klinikai anamnézisében (Igen; Nem) Magas vérnyomás klinikai anamnézisében (Igen; Nem) Pitvarfibrilláció klinikai anamnézisében (Igen; Nem) Ischaemiás szívbetegség klinikai anamnézisében (Igen; Nem) Krónikus vesebetegség klinikai kórtörténete (Nem; Gyógyszeres kezelés alatt igen; Permanens vesepótló kezelésben vagy arra való felkészülésben igen) Vérképzőrendszeri betegségek klinikai anamnézise (Igen; Nem) Immunszuppresszív gyógyszeres kezelés alatt álló beteg kórházban felvétel (Igen; Nem) Fehérvérsejtek -WBC- (sejt/mm3) Neutrophilek (sejt/mm3) Vérlemezkék (Plt/mm3) INR (Nemzetközi Normalizált Arány) C-reaktív fehérje -CRP- (mg/L) Aszpartát aminotranszferáz - AST- (U/L) Alanin aminotranszferáz -ALT- (U/L) Összes bilirubin (mg/dL) Konjugált bilirubin (mg/dL) Gamma-glutamil-transzpeptidáz -GGT- (U/L) Szérumamiláz (U/L) ) Szérum lipáz (U/L) Laktát-dehidrogenáz -LDH- (U/L) Choledocholithiasis (Igen; Igen gyakori epeúti elzáródás esetén; Nem) Cholangitis (Igen; Nem) ERCP sphincterotomiával (Igen a kórházi felvételtől számított 24 órán belül; Igen a kórházi felvételt követő 24-48 órán belül; Igen a kórházi felvételt követő 48-72 órán belül; Nem) Akut biliaris pancreatitis relapszusa 30 napon belül, 60- nap, 90 nap, 1 év.