Сравнение традиционных шкал риска и мультимодальной модели на основе искусственного интеллекта для прогнозирования сердечно-сосудистых событий после операций на желудочно-кишечном тракте (GI-MACE-AI)

Основные сердечно-сосудистые события после желудочно-кишечных операций остаются важной причиной ранних послеоперационных осложнений и неблагоприятных исходов. Традиционные периоперационные шкалы оценки кардиологического риска, включая Пересмотренный индекс кардиального риска (RCRI), калькулятор инфаркта миокарда или остановки сердца Национальной программы улучшения качества хирургических операций Американского колледжа хирургов (ACS NSQIP MICA) и Калькулятор хирургического риска ACS NSQIP (ACS NSQIP SRC), широко используются в клинической практике. Однако их эффективность может быть ограничена в конкретных хирургических популяциях и может не полностью учитывать сложные взаимодействия между клиническими, лабораторными, физиологическими и процедурными переменными.

Данное обсервационное исследование направлено на разработку и оценку многомодальной модели на основе искусственного интеллекта (ИИ) для прогнозирования основных сердечно-сосудистых событий в течение 30 дней после желудочно-кишечной операции, а также на сравнение её прогностической эффективности с традиционными шкалами риска. Исследование будет проводиться в больнице Бак Май и будет включать взрослых пациентов, перенесших желудочно-кишечную операцию. Исследование использует смешанный ретроспективно-проспективный дизайн с ретроспективным сбором данных у пациентов, пролеченных в 2025 году, и проспективным сбором данных в 2026 году.

Целевым клиническим исходом для прогнозирования является возникновение основных сердечно-сосудистых событий в течение 30 дней после операции. Эти события включают сердечно-сосудистую смерть, несмертельный инфаркт миокарда, остановку сердца с восстановлением спонтанного кровообращения, новый инсульт и клинически значимые аритмии, требующие лечения. Данные, используемые для разработки модели и сравнения, могут включать демографические характеристики, анамнез, сердечно-сосудистые сопутствующие заболевания, хирургические характеристики, анестезиологическую информацию, предоперационные лабораторные результаты, электрокардиографические данные, биомаркеры при их наличии, а также функциональные переменные или переменные оценки риска.

Основным результатом исследования является дискриминационная способность многомодальной модели на основе ИИ по сравнению с традиционными шкалами риска, измеряемая площадью под кривой рабочих характеристик приёмника для прогнозирования 30-дневных основных сердечно-сосудистых событий после желудочно-кишечной операции. Вторичными результатами включают калибровочную эффективность, улучшение чистой реклассификации и интегрированное улучшение дискриминации многомодальной модели на основе ИИ по сравнению с традиционными шкалами риска, включая RCRI, ACS NSQIP MICA и ACS NSQIP SRC.

Исследование является обсервационным и не будет изменять рутинное периоперационное ведение. Данные будут получены из существующих медицинских записей и проспективного клинического сбора, закодированы для конфиденциальности и проанализированы для поддержки стратификации риска и сравнения моделей у пациентов, перенесших желудочно-кишечную операцию.