机器学习用于急性胆源性胰腺炎的复发风险评估。 (MINERVA)
预测急性胆汁性胰腺炎复发的新型机器学习模型(用于急性胆汁性胰腺炎复发风险评估的机器学习 - MINERVA)
MINERVA(急性胆源性胰腺炎复发风险评估的机器学习)项目源于临床实践中对诊断为急性胆源性胰腺炎入院的患者做出手术决策的需要。 具体而言,MINERVA 前瞻性队列研究旨在开发一个预测评分,利用机器学习和人工智能来评估诊断为轻度胆汁性急性胰腺炎的患者再入院的风险。
MINERVA 研究的目标是:
- 提出一种新的方法来评估未接受早期胆囊切除术(入院后3至7天内)的轻度胆源性急性胰腺炎患者的复发风险;
- 提出使用深度学习架构的机器学习预测模型,应用于易于收集的数据;
- 在广泛、多中心、前瞻性队列中验证 MINERVA 评分;
- 允许国内外临床医生、医务人员、研究人员和普通受众自由、轻松地访问 MINERVA 评分计算并将其用于日常临床实践。
MINERVA 评分模型将在回顾性患者队列中开发(MANCTRA-1,已在 ClinicalTrials.gov 注册) 并将在一个新颖的前瞻性多中心队列中进行验证。 经过验证后,MINERVA 评分将免费且方便地立即计算给所有医务人员;您可以随时在 MINERVA 网站和网络应用程序上访问它,并将提供即时可靠的结果,为临床医生和患者提供最佳治疗途径的明确指示。
研究概览
详细说明
急性胰腺炎是最常见的胰腺疾病,全球发病率为每 10 万人中有 34 例。 全球每年新增患者超过 150 万,死亡率接近 1%。 轻症胆源性急性胰腺炎患者入院时可采用索引、早期胆囊切除术(急性发作后3~7天内)或保守治疗。 虽然保守治疗可以解决问题,但高达 35% 的患者会在 30 天内复发,并且在患者整体状况明显恶化的情况下需要紧急手术,从而降低了成功的机会。 除此之外,复发会大大增加慢性胰腺炎、胰腺癌、术后并发症和总体死亡率的机会。 复发也会对医疗机构产生经济影响,因为每位患者第二次或更长时间入院会使每位患者的总体医疗成本增加至少 100%。 然而,迄今为止,对于首次轻度胆源性急性胰腺炎发作后未接受早期胆囊切除术的患者,尚无标准化的方法来预测胆源性急性胰腺炎的复发。
MINERVA(急性胆源性胰腺炎复发风险评估的机器学习)项目源于临床实践中需要对入院诊断为轻度急性胆源性胰腺炎的患者做出手术决定。
MINERVA 项目旨在实现以下目标和成果:
- 提出一种新的方法来评估轻度胆源性急性胰腺炎首次发作后未接受早期胆囊切除术的轻度胆源性急性胰腺炎患者的复发风险;
- 提出使用深度学习架构的机器学习预测模型,应用于易于从患者那里收集的数据;
- 在广泛、多中心、前瞻性队列中验证 MINERVA 评分;
- 允许国内外临床医生、医务人员、研究人员和普通受众自由、轻松地访问 MINERVA 评分计算并将其用于日常临床实践。
MINERVA 评分将为临床医生提供经过验证和标准化的复发风险评估,其中考虑到每位患者的个人病史、人口统计数据和实验室特征。 MINERVA 评分将免费且易于所有医务人员立即计算;您可以随时在 MINERVA 网站和网络应用程序上访问它,并将提供即时可靠的结果,为临床医生和患者提供最佳治疗途径的明确指示。
MINERVA 评分模型将在回顾性患者队列中开发(MANCTRA-1,已在 ClinicalTrials.gov 注册) 并将在一个新颖的前瞻性多中心队列中进行验证。
回顾性队列模型开发和初始训练将在初步多中心研究 MANCTRA-1 研究(经卡利亚里大学医院伦理委员会批准,MANCTRA-1)期间收集的回顾性患者队列(n=692)上进行- NCT04747990,Prot。 PG/2021/7108)由 PI(Dr. Mauro Podda)和卡利亚里大学当地负责 MINERVA 项目。
前瞻性队列 MINERVA 研究的前瞻性队列将总共招募 430 名患者。
方法 MINERVA 评分将基于机器学习模型,该模型将在回顾性队列中开发和训练,并在前瞻性患者队列中进行验证。
所有模型变量都将使用核主成分分析 (kPCA) 进行处理。
将计算主要成分散点图的凸包并提取最小矩形。 使用特征平均和归一化将矩形转换为具有固定分辨率的二维图像。
该模型将由拥有机器学习专业知识和监督的 Daniela Pacella 博士在那不勒斯费德里科二世大学开发。
为了防止过度拟合,数据集将被分为训练集、测试集和验证集。 此外,还将使用 k 折交叉验证。 MINERVA 模型的性能将使用最常用的准确度衡量标准进行评估,例如精确度、召回率和 AUC(ROC 曲线下面积)。 此外,其性能将与使用传统机器学习方法(SVM、ANN)实现的性能进行比较。 缺失数据将通过插补方法处理。
变量 年龄(岁) 性别(男:女) 既往胆源性胰腺炎发作情况(是;否) 入院专业(肝胰胆外科、普通外科、内科、胃肠科) 体重指数 -BMI- (Kg/m2) 糖尿病临床病史(无糖尿病;是有器官功能障碍;是无器官功能障碍) 慢性肺部疾病临床病史(是;否) 高血压临床病史(是;否) 房颤临床病史(是;否) 缺血性心脏病临床病史(是;否) 慢性肾脏病的临床病史(否;是正在接受药物治疗;是正在接受永久性肾脏替代治疗或正在准备) 造血系统疾病的临床病史(是;否) 患者在医院接受免疫抑制药物治疗入院(是;否) 白细胞 -WBC-(细胞/mm3) 中性粒细胞(细胞/mm3) 血小板(Plt/mm3) INR(国际标准化比值) C 反应蛋白 -CRP-(mg/L) 天冬氨酸转氨酶 - AST- (U/L) 丙氨酸转氨酶 -ALT- (U/L) 总胆红素 (mg/dL) 结合胆红素 (mg/dL) γ-谷氨酰胺转肽酶 -GGT- (U/L) 血清淀粉酶 (U/L) ) 血清脂肪酶 (U/L) 乳酸脱氢酶 -LDH- (U/L) 胆总管结石(是;是,伴有胆总管梗阻;否) 胆管炎(是;否) ERCP 括约肌切开术(是入院后 24 小时内;是入院后 24-48 小时内;是入院后 48-72 小时内;否) 急性胆源性胰腺炎 30 天、60 天复发天、90 天、1 年。
研究类型
注册 (估计的)
联系人和位置
学习联系方式
- 姓名:Mauro Podda, MD
- 电话号码:07051096571
- 邮箱:mauro.podda@unica.it
学习地点
-
-
CA
-
Cagliari、CA、意大利、09120
- University of Cagliari, Emergency Surgery Department
-
副研究员:
- Gianluca Pellino, MD, PhD
-
接触:
- Mauro Podda, MD
- 邮箱:mauro.podda@unica.it
-
副研究员:
- Daniela Pacella, MD, PhD
-
副研究员:
- Dario Bruzzese, MD, PhD
-
副研究员:
- Adolfo Pisanu, MD, PhD
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 成年患者(≥18岁)
- 轻度胆源性急性胰腺炎的临床诊断(根据修订后的亚特兰大分类)
- 入院期间未接受胆囊切除术或 ERCP/ES(内镜逆行胰胆管造影术/内镜乳头括约肌切开术)
排除标准:
- 除胆结石以外的病因引起的急性胰腺炎;
- 中重度胰腺炎;
- 严重胰腺炎;
- 存在胰腺坏死;
- 怀孕患者;
- 患者无法签署参与研究的知情同意书。
学习计划
研究是如何设计的?
设计细节
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
---|---|---|
胆源性急性胰腺炎复发的患者人数。
大体时间:30天、60天、90天、1年
|
胆源性急性胰腺炎复发的患者数量:首次发作轻度胆源性急性胰腺炎(根据2012年修订的亚特兰大分类)后未早期(自发病后3至7天内)提交的患者中急性胆源性胰腺炎复发风险的预测急性发作)胆囊切除术。
这一结果将通过新的风险评分的开发和验证来实现。
|
30天、60天、90天、1年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
---|---|---|
MINERVA 模型的准确性。
大体时间:30天、60天、90天、1年
|
MINERVA 机器学习模型与先前文献中采用的其他传统机器学习模型(例如 ANN 和 SVM)以及统计模型(例如多元回归)相比的准确性、敏感性和特异性(AUC,ROC 曲线下面积)。
|
30天、60天、90天、1年
|
合作者和调查者
调查人员
- 学习椅:Mauro Podda, MD、University of Cagliari, Department of Surgical Science
出版物和有用的链接
一般刊物
- Werner J, Hartwig W, Uhl W, Muller C, Buchler MW. Useful markers for predicting severity and monitoring progression of acute pancreatitis. Pancreatology. 2003;3(2):115-27. doi: 10.1159/000070079.
- Sankaran SJ, Xiao AY, Wu LM, Windsor JA, Forsmark CE, Petrov MS. Frequency of progression from acute to chronic pancreatitis and risk factors: a meta-analysis. Gastroenterology. 2015 Nov;149(6):1490-1500.e1. doi: 10.1053/j.gastro.2015.07.066. Epub 2015 Aug 20.
- Gurusamy KS, Nagendran M, Davidson BR. Early versus delayed laparoscopic cholecystectomy for acute gallstone pancreatitis. Cochrane Database Syst Rev. 2013 Sep 2;(9):CD010326. doi: 10.1002/14651858.CD010326.pub2.
- da Costa DW, Bouwense SA, Schepers NJ, Besselink MG, van Santvoort HC, van Brunschot S, Bakker OJ, Bollen TL, Dejong CH, van Goor H, Boermeester MA, Bruno MJ, van Eijck CH, Timmer R, Weusten BL, Consten EC, Brink MA, Spanier BWM, Bilgen EJS, Nieuwenhuijs VB, Hofker HS, Rosman C, Voorburg AM, Bosscha K, van Duijvendijk P, Gerritsen JJ, Heisterkamp J, de Hingh IH, Witteman BJ, Kruyt PM, Scheepers JJ, Molenaar IQ, Schaapherder AF, Manusama ER, van der Waaij LA, van Unen J, Dijkgraaf MG, van Ramshorst B, Gooszen HG, Boerma D; Dutch Pancreatitis Study Group. Same-admission versus interval cholecystectomy for mild gallstone pancreatitis (PONCHO): a multicentre randomised controlled trial. Lancet. 2015 Sep 26;386(10000):1261-1268. doi: 10.1016/S0140-6736(15)00274-3.
- Ahmed Ali U, Issa Y, Hagenaars JC, Bakker OJ, van Goor H, Nieuwenhuijs VB, Bollen TL, van Ramshorst B, Witteman BJ, Brink MA, Schaapherder AF, Dejong CH, Spanier BW, Heisterkamp J, van der Harst E, van Eijck CH, Besselink MG, Gooszen HG, van Santvoort HC, Boermeester MA; Dutch Pancreatitis Study Group. Risk of Recurrent Pancreatitis and Progression to Chronic Pancreatitis After a First Episode of Acute Pancreatitis. Clin Gastroenterol Hepatol. 2016 May;14(5):738-46. doi: 10.1016/j.cgh.2015.12.040. Epub 2016 Jan 6.
- Bagepally BS, Haridoss M, Sasidharan A, Jagadeesh KV, Oswal NK. Systematic review and meta-analysis of gallstone disease treatment outcomes in early cholecystectomy versus conservative management/delayed cholecystectomy. BMJ Open Gastroenterol. 2021 Jul;8(1):e000675. doi: 10.1136/bmjgast-2021-000675.
- Chen Y, Chen TW, Wu CQ, Lin Q, Hu R, Xie CL, Zuo HD, Wu JL, Mu QW, Fu QS, Yang GQ, Zhang XM. Radiomics model of contrast-enhanced computed tomography for predicting the recurrence of acute pancreatitis. Eur Radiol. 2019 Aug;29(8):4408-4417. doi: 10.1007/s00330-018-5824-1. Epub 2018 Nov 9.
- Cho JH, Jeong YH, Kim KH, Kim TN. Risk factors of recurrent pancreatitis after first acute pancreatitis attack: a retrospective cohort study. Scand J Gastroenterol. 2020 Jan;55(1):90-94. doi: 10.1080/00365521.2019.1699598. Epub 2019 Dec 10.
- Ding N, Guo C, Li C, Zhou Y, Chai X. An Artificial Neural Networks Model for Early Predicting In-Hospital Mortality in Acute Pancreatitis in MIMIC-III. Biomed Res Int. 2021 Jan 28;2021:6638919. doi: 10.1155/2021/6638919. eCollection 2021.
- Hong WD, Chen XR, Jin SQ, Huang QK, Zhu QH, Pan JY. Use of an artificial neural network to predict persistent organ failure in patients with acute pancreatitis. Clinics (Sao Paulo). 2013 Jan;68(1):27-31. doi: 10.6061/clinics/2013(01)rc01. No abstract available.
- Mashayekhi R, Parekh VS, Faghih M, Singh VK, Jacobs MA, Zaheer A. Radiomic features of the pancreas on CT imaging accurately differentiate functional abdominal pain, recurrent acute pancreatitis, and chronic pancreatitis. Eur J Radiol. 2020 Feb;123:108778. doi: 10.1016/j.ejrad.2019.108778. Epub 2019 Dec 11.
- Hu X, Yang B, Li J, Bai X, Li S, Liu H, Zhang H, Zeng F. Individualized Prediction of Acute Pancreatitis Recurrence Using a Nomogram. Pancreas. 2021 Jul 1;50(6):873-878. doi: 10.1097/MPA.0000000000001839.
- Loozen CS, Oor JE, van Ramshorst B, van Santvoort HC, Boerma D. Conservative treatment of acute cholecystitis: a systematic review and pooled analysis. Surg Endosc. 2017 Feb;31(2):504-515. doi: 10.1007/s00464-016-5011-x. Epub 2016 Jun 17.
- Mador BD, Panton ON, Hameed SM. Early versus delayed cholecystectomy following endoscopic sphincterotomy for mild biliary pancreatitis. Surg Endosc. 2014 Dec;28(12):3337-42. doi: 10.1007/s00464-014-3621-8. Epub 2014 Jun 25.
- Nebiker CA, Frey DM, Hamel CT, Oertli D, Kettelhack C. Early versus delayed cholecystectomy in patients with biliary acute pancreatitis. Surgery. 2009 Mar;145(3):260-4. doi: 10.1016/j.surg.2008.10.012. Epub 2009 Feb 1.
- Riquelme F, Marinkovic B, Salazar M, Martinez W, Catan F, Uribe-Echevarria S, Puelma F, Munoz J, Canals A, Astudillo C, Uribe M. Early laparoscopic cholecystectomy reduces hospital stay in mild gallstone pancreatitis. A randomized controlled trial. HPB (Oxford). 2020 Jan;22(1):26-33. doi: 10.1016/j.hpb.2019.05.013. Epub 2019 Jun 22.
- Schmidt M, Sondenaa K, Vetrhus M, Berhane T, Eide GE. A randomized controlled study of uncomplicated gallstone disease with a 14-year follow-up showed that operation was the preferred treatment. Dig Surg. 2011;28(4):270-6. doi: 10.1159/000329464. Epub 2011 Jul 9.
- Sharma A, Vans E, Shigemizu D, Boroevich KA, Tsunoda T. DeepInsight: A methodology to transform a non-image data to an image for convolution neural network architecture. Sci Rep. 2019 Aug 6;9(1):11399. doi: 10.1038/s41598-019-47765-6.
- Stevens CL, Abbas SM, Watters DA. How Does Cholecystectomy Influence Recurrence of Idiopathic Acute Pancreatitis? J Gastrointest Surg. 2016 Dec;20(12):1997-2001. doi: 10.1007/s11605-016-3269-x. Epub 2016 Sep 23.
- Umans DS, Hallensleben ND, Verdonk RC, Bouwense SAW, Fockens P, van Santvoort HC, Voermans RP, Besselink MG, Bruno MJ, van Hooft JE; Dutch Pancreatitis Study Group. Recurrence of idiopathic acute pancreatitis after cholecystectomy: systematic review and meta-analysis. Br J Surg. 2020 Feb;107(3):191-199. doi: 10.1002/bjs.11429. Epub 2019 Dec 25.
- Yamashita R, Nishio M, Do RKG, Togashi K. Convolutional neural networks: an overview and application in radiology. Insights Imaging. 2018 Aug;9(4):611-629. doi: 10.1007/s13244-018-0639-9. Epub 2018 Jun 22.
- Yuan X, Xu B, Wong M, Chen Y, Tang Y, Deng L, Tang D. The safety, feasibility, and cost-effectiveness of early laparoscopic cholecystectomy for patients with mild acute biliary pancreatitis: A meta-analysis. Surgeon. 2021 Oct;19(5):287-296. doi: 10.1016/j.surge.2020.06.014. Epub 2020 Jul 22.
- Zhou Y, Ge YT, Shi XL, Wu KY, Chen WW, Ding YB, Xiao WM, Wang D, Lu GT, Hu LH. Machine learning predictive models for acute pancreatitis: A systematic review. Int J Med Inform. 2022 Jan;157:104641. doi: 10.1016/j.ijmedinf.2021.104641. Epub 2021 Nov 10.
研究记录日期
研究主要日期
学习开始 (估计的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (估计的)
研究记录更新
最后更新发布 (估计的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.