Machine learning per la valutazione del rischio di recidiva nella pancreatite biliare acuta. (MINERVA)

La pancreatite acuta è la malattia pancreatica più comune, con un’incidenza globale di 34 casi ogni 100.000 individui. Questa malattia conta più di 1,5 milioni di nuovi pazienti all'anno in tutto il mondo, con una mortalità che si avvicina all'1%. I pazienti con pancreatite biliare acuta lieve, quando ricoverati in ospedale, possono essere trattati con indice, colecistectomia precoce (entro 3-7 giorni dall'episodio acuto) o in modo conservativo. Sebbene il trattamento conservativo possa essere risolutivo, fino al 35% di questi pazienti presenta una ricaduta entro 30 giorni e richiede un intervento chirurgico d'urgenza in condizioni generali del paziente significativamente peggiori, riducendo le possibilità di successo. Oltre a ciò, la recidiva aumenta notevolmente le probabilità di pancreatite cronica, cancro al pancreas, complicanze postoperatorie e mortalità generale. Gli episodi di recidiva hanno anche un impatto economico sulle strutture sanitarie, poiché un secondo e più lungo ricovero ospedaliero per paziente aumenta il costo medico complessivo per paziente almeno del 100%. Finora, tuttavia, non esistono metodi standardizzati per prevedere la recidiva di pancreatite biliare acuta nei pazienti che non sono stati sottoposti a colecistectomia precoce dopo il primo episodio di pancreatite biliare acuta lieve.

Il progetto MINERVA (Machine learning for the rElapse Risk eValuation in Acute biliary pancreatitis) nasce dall’esigenza nella pratica clinica di prendere una decisione operativa nei pazienti ricoverati in ospedale con una diagnosi di pancreatite biliare acuta lieve.

Il progetto MINERVA mira a raggiungere i seguenti obiettivi e risultati:

1. Proporre una nuova metodologia per la valutazione del rischio di recidiva nei pazienti con pancreatite acuta biliare lieve che non sono stati sottoposti a colecistectomia precoce dopo il primo episodio di pancreatite acuta biliare lieve;
2. Proporre un modello predittivo di Machine Learning utilizzando un'architettura di Deep Learning applicata a dati facili da raccogliere dai pazienti;
3. Convalidare il punteggio MINERVA su una coorte potenziale ampia, multicentrica;
4. Consentire a medici, personale medico, ricercatori e al pubblico in generale, nazionali e internazionali, di accedere liberamente e facilmente al calcolo del punteggio MINERVA e di utilizzarlo nella loro pratica clinica quotidiana.

Il punteggio MINERVA fornirà ai medici una valutazione validata e standardizzata del rischio di ricaduta che tiene conto della storia personale, dei dati demografici e delle caratteristiche di laboratorio di ciascun paziente. Il punteggio MINERVA sarà gratuito e facilmente calcolabile istantaneamente per tutto il personale medico; sarà accessibile in qualsiasi momento sul sito e sulla web app MINERVA e fornirà un risultato immediato e affidabile che potrà rappresentare una chiara indicazione per il miglior percorso terapeutico per il medico e per il paziente.

Il modello di punteggio MINERVA sarà sviluppato su una coorte retrospettiva di pazienti (MANCTRA-1, già registrato su ClinicalTrials.gov) e sarà convalidato su una nuova potenziale coorte multicentrica.

Coorte retrospettiva Lo sviluppo del modello e la formazione iniziale saranno eseguiti su una coorte retrospettiva di pazienti (n=692) raccolti durante uno studio multicentrico preliminare, lo studio MANCTRA-1 (approvato dal Comitato Etico dell'Ospedale Universitario di Cagliari, MANCTRA-1 - NCT04747990, prot. PG/2021/7108) condotto dal PI (Dott. Mauro Podda) e il responsabile locale dell'Università di Cagliari del progetto MINERVA.

Coorte prospettica Un totale di 430 pazienti saranno reclutati nella coorte prospettica dello studio MINERVA.

Metodi Il punteggio MINERVA sarà basato su un modello di Machine Learning che sarà sviluppato e addestrato su una coorte retrospettiva e validato su una potenziale coorte di pazienti.

Tutte le variabili del modello verranno elaborate con l'analisi dei componenti principali del kernel (kPCA).

Verrà calcolato lo Scafo Convesso del grafico a dispersione dei componenti principali e verrà estratto il rettangolo più piccolo. Il rettangolo verrà trasformato in un'immagine 2D con una risoluzione fissa utilizzando la media e la normalizzazione delle caratteristiche.

Il modello sarà sviluppato presso l'Università degli Studi di Napoli Federico II dalla Dott.ssa Daniela Pacella con competenze e supervisione di Machine Learning.

Per evitare un adattamento eccessivo, il set di dati verrà suddiviso in set di addestramento, set di test e set di convalida. Inoltre, verrà utilizzata la convalida incrociata k-fold. Le prestazioni del modello MINERVA saranno valutate utilizzando le misure di accuratezza più adottate, quali precisione, richiamo e AUC (Area Under the ROC Curve). Inoltre, le sue prestazioni verranno confrontate con quelle ottenute utilizzando metodi tradizionali di machine learning (SVM, ANN). I dati mancanti verranno trattati con modalità di imputazione.

Variabili Età (Anni) Sesso (Maschio:Femmina) Precedenti episodi di pancreatite biliare (Sì; No) Specialità di ricovero (EpatoPancreatoChirurgia biliare, Chirurgia generale, Medicina interna, Gastroenterologia) Indice di massa corporea -BMI- (Kg/m2) Storia clinica del diabete (No diabete; Sì con disfunzione d'organo; Sì senza disfunzione d'organo) Storia clinica di malattia polmonare cronica (Sì; No) Storia clinica di ipertensione (Sì; No) Storia clinica di fibrillazione atriale (Sì; No) Storia clinica di cardiopatia ischemica (Sì; No) Anamnesi clinica di malattia renale cronica (No; Sì in terapia farmacologica; Sì in terapia sostitutiva renale permanente o in preparazione ad essa) Anamnesi clinica di malattie del sistema emopoietico (Sì; No) Paziente in terapia immunosoppressiva in ospedale ammissione (Sì; No) Globuli bianchi -WBC- (cellule/mm3) Neutrofili (cellule/mm3) Piastrine (Plt/mm3) INR (International Normalized Ratio) Proteina C-reattiva -CRP- (mg/L) Aspartato aminotransferasi - AST- (U/L) Alanina aminotransferasi -ALT- (U/L) Bilirubina totale (mg/dL) Bilirubina coniugata (mg/dL) Gamma-glutamil-transpeptidasi -GGT- (U/L) Amilasi sierica (U/L ) Lipasi sierica (U/L) Lattato deidrogenasi -LDH- (U/L) Coledocolitiasi (Sì; Sì con ostruzione del dotto biliare comune; No) Colangite (Si; No) ERCP con sfinterotomia (Si entro 24h dal ricovero ospedaliero; Sì entro 24-48h dal ricovero ospedaliero; Sì entro 48-72h dal ricovero ospedaliero; No) Recidiva di pancreatite biliare acuta a 30 giorni, 60- giorno, 90 giorni, 1 anno.