Previsione delle traiettorie dei sintomi dopo la chirurgia toracoscopica del cancro al polmone utilizzando un modello interpretabile di apprendimento automatico

La chirurgia toracoscopica del cancro polmonare è un approccio ampiamente utilizzato per il trattamento del cancro polmonare precoce e localmente avanzato. Nonostante i vantaggi della chirurgia toracoscopica, come l’invasione minima e il rapido recupero, i pazienti continuano a soffrire di una varietà di sintomi come dolore, mancanza di respiro, disturbi del sonno o affaticamento dopo l’intervento, che incidono gravemente sulla qualità della vita. Tuttavia, mancano strumenti predittivi validati per identificare i pazienti potenzialmente ad alto rischio. Si prevede che questo studio includerà circa 1.500 pazienti affetti da cancro al polmone sottoposti a chirurgia toracoscopica. I pazienti sono invitati a compilare il modulo MD Anderson Symptom Inventory-Lung Cancer dopo un intervento chirurgico toracoscopico. I sintomi di interesse includono dolore, mancanza di respiro, disturbi del sonno e affaticamento. I sintomi da moderati a gravi sono stati definiti come un punteggio ≥ 4. Il modello misto di classi latenti (LCMM), una tecnica di clustering, può identificare sottogruppi di pazienti con traiettorie di sintomi simili sulla base dei dati longitudinali sugli esiti riportati dai pazienti (PRO). Sono stati sviluppati modelli di apprendimento automatico per prevedere le traiettorie dei sintomi postoperatori sulla base delle informazioni raccolte, comprese informazioni demografiche e cliniche e dati operatori. I modelli di machine learning includono principalmente Random Forest, Support Vector Machines, Neural Networks, XGBoost, ecc. Viene selezionato il modello più appropriato e l'interpretazione del modello viene eseguita utilizzando il metodo SHAP. Una previsione efficace dei sintomi postoperatori può aiutare a identificare i pazienti ad alto rischio e ad adottare misure preventive.