Uczenie maszynowe w ocenie ryzyka nawrotu w ostrym żółciowym zapaleniu trzustki. (MINERVA)

Ostre zapalenie trzustki jest najczęstszą chorobą trzustki, a częstość występowania na świecie wynosi 34 przypadki na 100 000 osób. Na tę chorobę co roku na całym świecie choruje ponad 1,5 miliona nowych pacjentów, a śmiertelność sięga 1%. Pacjenci z łagodnym, żółciowym ostrym zapaleniem trzustki po przyjęciu do szpitala mogą być leczeni indeksową, wczesną cholecystektomią (w ciągu 3–7 dni od ostrego epizodu) lub zachowawczo. Chociaż leczenie zachowawcze może zapewnić całkowite wyleczenie, u aż 35% tych pacjentów dochodzi do nawrotu choroby w ciągu 30 dni i wymagają oni pilnej operacji ze względu na znacznie gorszy ogólny stan pacjenta, co zmniejsza szanse powodzenia. Poza tym nawrót dramatycznie zwiększa ryzyko przewlekłego zapalenia trzustki, raka trzustki, powikłań pooperacyjnych i ogólnej śmiertelności. Epizody nawrotów mają również wpływ ekonomiczny na placówki opieki zdrowotnej, ponieważ druga i dłuższa hospitalizacja na pacjenta zwiększa całkowity koszt leczenia na pacjenta o co najmniej 100%. Dotychczas nie opracowano jednak wystandaryzowanych metod przewidywania nawrotu żółciowego ostrego zapalenia trzustki u chorych, u których nie wykonano wczesnej cholecystektomii po pierwszym epizodzie łagodnego żółciowego ostrego zapalenia trzustki.

Projekt MINERVA (Machine learning for the Relapse Risk eValuation in Acute biliary pancreatitis) wynika z konieczności w praktyce klinicznej podejmowania decyzji operacyjnej u pacjentów przyjętych do szpitala z rozpoznaniem łagodnego ostrego żółciowego zapalenia trzustki.

Projekt MINERVA ma na celu osiągnięcie następujących celów i rezultatów:

1. Zaproponowali nową metodologię oceny ryzyka nawrotu choroby u pacjentów z łagodnym żółciowym ostrym zapaleniem trzustki, u których nie wykonano wczesnej cholecystektomii po pierwszym epizodzie łagodnego żółciowego ostrego zapalenia trzustki;
2. Zaproponować model predykcyjny uczenia maszynowego wykorzystujący architekturę głębokiego uczenia się zastosowaną do danych łatwych do zebrania od pacjentów;
3. Zweryfikuj wynik MINERVA w obszernej, wieloośrodkowej, potencjalnej kohorcie;
4. Pozwól krajowym i międzynarodowym klinicystom, personelowi medycznemu, badaczom i ogółowi społeczeństwa na swobodny i łatwy dostęp do obliczeń wyniku MINERVA oraz wykorzystywanie ich w codziennej praktyce klinicznej.

Wynik MINERVA zapewni klinicystom potwierdzoną i standaryzowaną ocenę ryzyka nawrotu choroby, która uwzględnia historię osobistą, dane demograficzne i charakterystykę laboratoryjną każdego pacjenta. Wynik MINERVA będzie bezpłatny i łatwy do natychmiastowego obliczenia dla całego personelu medycznego; będzie ono dostępne w każdej chwili na stronie internetowej i w aplikacji internetowej MINERVA oraz zapewni natychmiastowy i wiarygodny wynik, który będzie jasnym wskazaniem najlepszej ścieżki leczenia dla klinicysty i pacjenta.

Model punktacji MINERVA zostanie opracowany na retrospektywnej kohorcie pacjentów (MANCTRA-1, już zarejestrowany na ClinicalTrials.gov) i zostaną zweryfikowane w nowej, potencjalnej kohorcie wieloośrodkowej.

Kohorta retrospektywna Opracowanie modelu i wstępne szkolenie zostaną przeprowadzone na retrospektywnej kohorcie pacjentów (n=692) zebranych podczas wstępnego badania wieloośrodkowego MANCTRA-1 (zatwierdzonego przez Komisję Etyki Szpitala Uniwersyteckiego w Cagliari, MANCTRA-1 - NCT04747990, Prot. PG/2021/7108) prowadzonego przez PI (Dr. Mauro Podda) i lokalnie odpowiedzialny za projekt MINERVA z Uniwersytetu w Cagliari.

Kohorta prospektywna Do kohorty prospektywnej badania MINERVA zostanie zrekrutowanych ogółem 430 pacjentów.

Metody Wynik MINERVA zostanie oparty na modelu uczenia maszynowego, który zostanie opracowany i przeszkolony w kohorcie retrospektywnej oraz zweryfikowany na potencjalnej kohorcie pacjentów.

Wszystkie zmienne modelu zostaną przetworzone za pomocą analizy głównych składowych jądra (kPCA).

Wypukły kadłub wykresu rozrzutu głównych składników zostanie obliczony i wyodrębniony zostanie najmniejszy prostokąt. Prostokąt zostanie przekształcony w obraz 2D o stałej rozdzielczości przy użyciu uśredniania cech i normalizacji.

Model zostanie opracowany na Uniwersytecie Federico II w Neapolu przez dr Danielę Pacellę, dysponującą wiedzą i nadzorem w zakresie uczenia maszynowego.

Aby zapobiec nadmiernemu dopasowaniu, zbiór danych zostanie podzielony na zbiór uczący, zbiór testowy i zbiór walidacyjny. Dodatkowo zostanie zastosowana k-krotna walidacja krzyżowa. Działanie modelu MINERVA zostanie ocenione przy użyciu najczęściej stosowanych miar dokładności, takich jak precyzja, przypominanie i AUC (obszar pod krzywą ROC). Dodatkowo jego wydajność zostanie porównana z osiąganą przy użyciu tradycyjnych metod uczenia maszynowego (SVM, ANN). Brakujące dane zostaną potraktowane metodami imputacji.

Zmienne Wiek (lata) Płeć (mężczyzna: kobieta) Poprzednie epizody żółciowego zapalenia trzustki (tak; nie) Przyjęcie specjalizacji (wątrobęTrzustkaChirurgia dróg żółciowych, chirurgia ogólna, choroby wewnętrzne, gastroenterologia) Wskaźnik masy ciała -BMI- (kg/m2) Kliniczna historia cukrzycy (Bez cukrzycy; Tak z dysfunkcją narządów; Tak bez dysfunkcji narządów) Przewlekła choroba płuc w wywiadzie (Tak; Nie) Nadciśnienie w wywiadzie (Tak; Nie) Migotanie przedsionków w wywiadzie (Tak; Nie) Choroba niedokrwienna serca w wywiadzie klinicznym (Tak; Nie) Historia kliniczna przewlekłej choroby nerek (Nie; Tak w trakcie leczenia; Tak w trakcie stałej terapii nerkozastępczej lub w przygotowaniu do niej) Historia kliniczna chorób układu krwiotwórczego (Tak; Nie) Pacjent przyjmujący leki immunosupresyjne w szpitalu przyjęcie (Tak; Nie) Białe krwinki -WBC- (komórki/mm3) Neutrofile (komórki/mm3) Płytki krwi (Plt/mm3) INR (International Normalized Ratio) Białko C-reaktywne -CRP- (mg/L) Aminotransferaza asparaginianowa - AST- (U/L) Aminotransferaza alaninowa -ALT- (U/L) Bilirubina całkowita (mg/dL) Bilirubina sprzężona (mg/dL) Gamma-glutamil-transpeptydaza -GGT- (U/L) Amylaza w surowicy (U/L) ) Lipaza w surowicy (U/L) Dehydrogenaza mleczanowa -LDH- (U/L) Kamica żółciowa (Tak; Tak, przy niedrożności dróg żółciowych wspólnych; Nie) Zapalenie dróg żółciowych (Tak; Nie) ECPW ze sfinkterotomią (Tak w ciągu 24 godzin od przyjęcia do szpitala; Tak w ciągu 24-48 godzin od przyjęcia do szpitala; Tak w ciągu 48-72 godzin od przyjęcia do szpitala; Nie) Nawrót ostrego żółciowego zapalenia trzustki po 30 dniach, 60- dzień, 90 dni, 1 rok.