부신수질종/부교감신경절종의 전향적 코호트 연구

배경: 카테콜아민 분비로 인해 갈색세포종/부신외부종양(PPGL) 절제술은 수술 중 혈역학적 불안정성(HDI)의 높은 위험을 수반합니다. 기존 예측 모델은 한계가 있으며, 새로운 도구들은 전향적 검증이 필요합니다. 이 연구는 이 격차를 해소하고자 합니다.

목적: 주요 목표는 다음과 같습니다: 1) 심각한 HDI 하위 유형을 예측하기 위해 이전에 개발된 6변수 모델을 전향적으로 검증; 2) HDI 사건에 대한 실시간 수술 중 조기 경보 도구의 정확성과 시의적절성 평가; 3) 연속 혈당 모니터링(CGM) 지표와 수술 중 HDI 간의 연관성 탐구; 4) 인간 평가자 대비 인공지능 기반 수술 전 마취 평가 에이전트의 임상적 유용성 평가.

방법: 본 연구는 Peking Union Medical College Hospital에서 진행되는 단일 기관, 전향적, 관찰 코호트 연구입니다. 선택적 PPGL 절제술 예정인 적격 환자(≥18세)를 등록합니다.

예측 모델 검증: 수술 전 데이터(증상, 혈색소, 종양 기능 상태, 에피네프린/노르에피네프린 상승 배수, 페녹시벤자민 용량)를 사용하여 HDI 하위 유형(경증 대 심각)을 예측합니다. 예측된 하위 유형은 수술 중 혈역학적 데이터(24개 지표)의 사후 K-평균 군집화로 결정된 실제 하위 유형과 비교됩니다.

실시간 경보 도구 검증: 이 도구는 수술 중에 사용되어 이전 200초의 데이터를 기반으로 60초 앞의 활력 징후(수축기 혈압, 이완기 혈압, 평균 동맥압, 심박수)를 예측합니다. 예측값은 실제 모니터링 값과 비교되며, 고혈압, 저혈압, 빈맥 사건 예측에 대한 민감도/특이도가 계산됩니다.

CGM 탐구: 환자들은 수술 전날부터 수술 후 하루까지 CGM 센서를 착용합니다. 평균 혈당, 혈당 변동성, 저혈당/고혈당 시간과 같은 지표가 다변량 회귀분석을 사용하여 수술 중 HDI 결과와의 연관성에 대해 분석됩니다.

AI 에이전트 평가: 각 환자는 쌍을 이루는 수술 전 평가를 받게 됩니다: 하나는 AI 에이전트에 의해, 다른 하나는 초년차 마취의사(경력 ≤5년)에 의해 수행됩니다. 고년차 마취의사(경력 ≥10년)가 위험 계층화, 종양 기능성, 준비 적절성에 대한 참조 표준을 제공합니다. 정확도, 평가자 간 일치도(카파), 평가 시간이 AI와 초년차 마취의사 간에 비교됩니다.

결과: 주요 결과는 예측 모델의 ROC 곡선 아래 면적(AUROC), 경보 도구의 평균 절대 백분율 오차(MAPE), CGM 분석을 위한 수술 중 HDI 발생, AI 에이전트의 위험 계층화 정확도를 포함합니다. 각 하위 연구에 대해 표본 크기가 계산되었으며, 모든 목표를 충족하기 위해 총 목표 등록 인원은 약 202명입니다.