기존 위험 점수와 AI 기반 다중 모달 모델의 위장관 수술 후 심혈관 사건 예측 비교 (GI-MACE-AI)

위장관 수술 후 주요 심혈관계 사건은 여전히 수술 후 초기 합병증과 불량한 결과의 중요한 원인으로 남아 있습니다. 개정 심장 위험 지수(RCRI), 미국 외과 의사 협회 국가 수술 품질 개선 프로그램 심근경색 또는 심정지 계산기(ACS NSQIP MICA), ACS NSQIP 수술 위험 계산기(ACS NSQIP SRC)를 포함한 기존의 수술 주변기 심장 위험 점수는 임상 실무에서 널리 사용됩니다. 그러나 이러한 점수들의 성능은 특정 수술 집단에서 제한될 수 있으며 임상, 검사실, 생리학적 및 시술 변수 간의 복잡한 상호작용을 완전히 포착하지 못할 수 있습니다.

이 관찰 연구는 위장관 수술 후 30일 이내의 주요 심혈관계 사건을 예측하기 위한 인공지능(AI) 기반 다중 모달 모델을 개발 및 평가하고, 그 예측 성능을 기존 위험 점수와 비교하는 것을 목표로 합니다. 본 연구는 바크마이 병원에서 수행되며 위장관 수술을 받는 성인 환자를 포함할 것입니다. 연구는 혼합 후향적-전향적 설계를 사용하며, 2025년에 치료받은 환자들로부터 후향적 데이터 수집과 2026년에 전향적 데이터 수집을 진행합니다.

예측을 위한 목표 임상 결과는 수술 후 30일 이내의 주요 심혈관계 사건 발생입니다. 이러한 사건에는 심혈관계 사망, 비치명적 심근경색, 자발 순환 회복을 동반한 심정지, 새로운 뇌졸중, 치료가 필요한 임상적으로 유의한 부정맥이 포함됩니다. 모델 개발 및 비교에 사용될 데이터에는 인구통계학적 특성, 병력, 심혈관계 동반 질환, 수술 특성, 마취 정보, 수술 전 검사실 결과, 심전도 소견, 가능한 경우 생체 표지자, 기능적 또는 위험 평가 변수가 포함될 수 있습니다.

연구의 주요 결과는 위장관 수술 후 30일 주요 심혈관계 사건 예측을 위한 수신자 조작 특성 곡선 아래 면적으로 측정된, AI 기반 다중 모달 모델과 기존 위험 점수 간의 판별 성능 비교입니다. 부차적 결과에는 AI 기반 다중 모달 모델과 RCRI, ACS NSQIP MICA, ACS NSQIP SRC를 포함한 기존 위험 점수 간의 보정 성능, 순 재분류 개선, 통합 판별 개선이 포함됩니다.

본 연구는 관찰 연구이며 일상적인 수술 주변기 관리를 변경하지 않습니다. 데이터는 기존 의무 기록과 전향적 임상 수집에서 얻어지며, 기밀성을 위해 코드화되어 위장관 수술을 받는 환자들의 위험 계층화 및 모델 비교를 지원하기 위해 분석될 것입니다.