Добавил:
Sekretar
kiopkiopkiop18@yandex.ru
t.me/Prokururor I Вовсе не секретарь, но почту проверяю
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Ординатура / Хирургия / Библиотека им академика М.И. Перельмана / Книга_1966_Библиотеки_им_академика_М_И_Перельмана
.pdf
91
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
Амилаза дренажа 1-5 п/о дни
Амилаза крови 1-5 п/о дни
ИМТ
Размеры опухоли, см3
Лейкоциты, ОАК 1-5 п/о дни
Время операции, мин
Возраст
Объем кровопотери, мл
Размер Вирсунгова протока КТ, мм
Анастомоз по РУ
G
Васкулярная инвазия
Периневральная инвазия
Стадия
Пол
Пункционная энтеростома
Резекция сосудов
Анастомоз по Блюмгарту
Морфологический тип опухоли
НАПХТ
Im, %
Рисунок 19 – Относительная важность параметров (Im) по
данным моделей «Нет фистул + Б/х утечка» vs «Фистула В/С» на
основе данных, известных на 1-5 дни после операции: модель
построена на основе алгоритма Random forest, roc auc = 0,72.
Рисунок 20 – Значения индекса Шепли по данным
бинарной модели «Нет фистул + Б/х утечка» vs «Фистула В/С» на
1-5 сутки после операции: данные представлены в виде
скрипичной диаграммы. По оси ординат отложены значения
индекса Шепли (SHAP), формула (12). Основные обозначения
аналогичны представленным на рисунках 13 и 17.
Высокое
Низкое
Абсолютное значение параметра
По данным индекса индекса Шепли, аналогично предыдущим моделям при меньшем
возрасте и более высоком ИМТ риск развития симптомных ПОПФ увеличивался, однако
продолжительность (время) операции была больше при увеличении риска развития фистул В/С
(рис. 20), что соответствует табличным данным описательной статистики (табл. 6) и находит
подтверждение в литературе. Полученные результаты позволяют предположить
целесообразность использования продолжительности операции только при прогнозировании
развития фистул В и С [10, 26], при этом несомненно требует проведение проспективных
исследований.
На основе представленных данных можно сделать предположение о незначимости для
развития ПОПФ параметров, характеризующих хирургическое вмешательство, и
предоперационное лечение (НАПХТ). На ранние результаты значимо не влияли
морфологические характеристики опухоли, гистологический тип и потенциал
злокачественности. Интерес для дальнейшего исследования представляют такие показатели как
ИМТ, возраст, размер Вирсунгова протока и опухоли. При этом наибольшее значение имел
уровень амилазы в отделяемом по дренажу.
Следует отметить, что результаты, полученные на данном датасете, говорят о способности
моделей эффективно предсказывать повышение амилазы в отделяемом по дренажу на основе
пред- и интраоперационных данных. Учитывая результаты корреляционного анализа и анализа
факторов риска на основе показателей Im и SHAP, можно предположить возможность
прогнозирования повышения амилазы в отделяемом по дренажу, в то время как развития
клинически значимых ПОПФ становится возможным при получении результатов лабораторных
методов исследования после ПДР.
5.3. Повышение точности алгоритмов и выявление факторов влияющих на
тяжесть осложнения
Повышение точности алгоритмов является неотъемлемым компонентом создания
прогностических моделей практического применения и достигается за счет изменения
гиперпараметров моделей, набора параметров, которые используются для построения модели и
корректировки набора данных, изменения его структуры, повторного отбора наблюдений и
параметров. В данной диссертационной работе отбор гиперпараметров входит в стандартный
процесс моделирования, однако остальные способы повышения точности применялись после
отбора наиболее точного алгоритма.
93
Учитывая особенности данных, разнородность по применению инициальной
панкреатэктомии, которая входила в протокол возможного лечения для 41% пациентов (Глава 2),
возможность применения различных подходов к восполнению пропущенных данных и
особенности каждого клинического случая в исследуемом наборе данных (датасете), для
корректировки датасета был применен комплексный подход, основанный на повторной
экспертизе данных. В результате был сформирован набор данных с исключением пациентов,
которым в случае мягкой текстуры поджелудочной железы могла выполняться инициальная
панкреатэктомия (табл.19). Данный подход обогащает набор данных более тяжелыми
клиническими случаями, связанными с развитием фистул класса В и С. Обогащение датасета
меньшим по частоте встречаемости классом способствует повышению точности модели до
уровня, достаточного для практического использования [76, 112]. Кроме того, в новый набор
данных не вошли такие параметры как время операции и объем кровопотери, так как для них не
выявлено значимых корреляционных связей, а значения индекса SHAP были меньше нуля при
увеличении показателя. Для исследуемых параметров проводилась повторная оценка полноты
представленности признака с отсечением по границе 70% наблюдений.
Таблица 19 – Характеристика наборов данных
Наборы данных
ПОПФ
Исходный датасет,
n=142, Abs(%)
Корректированный
датасет, n=84,
Abs(%)
Отфильтрованные
данные, n=58,
Abs(%)
Нет фистул 104 (69,3%) 65 (77,4%) 31 (53,4%)
Б/х утечка 25(16,7%) 7 (8,3%) 18 (31,1%)
Фистулы В/С 21 (14%) 12 (14,3%) 9 (15,5%)
Критерий χ
2
, p 0,312
Критерий χ
2
, корректированный
датасет/отфильтрованные данные, p
0,044*
Примечание. *p<0,05
Корректировка датасета способствовала повышению точности моделей построенных на
пред- и интраоперационных данных до значений roc auc ≥ 0,7 (табл.19-19). Наиболее точным
алгоритмом явился CatBoost. Аналогично с добавлением послеоперационных данных были
получены модели высокого качества. Следует отметить, что алгоритм CatBoost, аналогично
Random forest является алгоритмом классификации, формула (5-6), работает на тех же принципах
с добавлением градиентного бустинга, что способствует повышению производительности [48,
96].
94
Таблица 20 – Качество бинарных моделей «Нет фистул» vs «Б/х утечка + фистула В/С» на
корректированном наборе данных
Алгоритм
Модель
Логистическая
регрессия
Random forest CatBoost
5-кратная Кросс-валидация, roc auc,
𝑿
±
𝝈
1
Пред- и
интраоперационные
данные
0,71 ± 0,11 0,77 ± 0,08 0,74 ± 0,1
3-5 день после
операции
0,86 ± 0,09 0,8 ± 0,11 0,87 ± 0,07
5-кратная Кросс-валидация, roc auc,
∫
𝐭𝐩𝐫
(
𝐟𝐩𝐫
)
𝒅
𝟏
𝟎
𝐟𝐩𝐫
2
Пред- и
интраоперационные
данные
0,72 0,74 0,74
3-5 день после
операции
0,81 0,81 0,86
Примечание.
1
Среднее значение roc auc по 5 этапам кросс-валидации с поправкой на
стандартное отклонение.
2
Интегральный показатель roc auc, формула (8)
95
Таблица 21 – Качество трехмерных моделей на корректированном наборе данных
Алгоритм
Модель
Логистическая
регрессия
Random forest CatBoost
5-кратная Кросс-валидация, roc auc,
𝑿
±
𝝈
1
Пред- и
интраоперационные
данные
0,71 ± 0,088 0,67 ± 0,09 0,68 ± 0,07
1-5 день после
операции
0,77 ± 0,145 0,726 ± 0,145 0,74 ± 0,16
5-кратная Кросс-валидация, roc auc,
∫
𝐭𝐩𝐫
(
𝐟𝐩𝐫
)
𝒅
𝟏
𝟎
𝐟𝐩𝐫
2
Пред- и
интраоперационные
данные: фистула B/C
vs
остальные классы
0,77 0,73 0,85
1-5 день после
операции: фистула
B/C vs остальные
классы
0,76 0,77 0,86
Пред- и
интраоперационные
данные: фистула B/C
vs
б/х утечка
0,73 0,45 0,74
1-5 день после
операции: фистула
B
/
C
vs
б/х утечка
0,39 0,44 0,47
Примечание.
1
Среднее значение roc auc по 5 этапам кросс-валидации с поправкой на
стандартное отклонение.
2
Интегральный показатель roc auc, формула (8)
По данным бинарной модели CatBoost, построенной на пред- и интрапоперационных
данных, roc auc 71% (табл.20, рис. 21А), наиболее значимыми факторами риска фистул класса
В/С и биохимической утечки явились васкулярная инвазия, возраст и ИМТ, Im =24,8%, 18,6% и
16,4% (табл.22), что соответствует результатам, полученным на полном датасете (раздел 5.2.) и
данным литературы [26, 53, 95].
96
Таблица 22 – Относительная важность параметров на корректированном наборе данных, %
Модель
Параметры
Бинарная
модель, пред- и
интраоперацио
нные данные
Бинарная
модель, 1-5
сутки после
операции
Трехмерная
модель, пред- и
интраоперацион
ные данные
Трехмерна
я модель,
1-5 сутки
после
операции
Возраст 18,6 9,0 17,9 9,8
Пункционная
энтеростома
3,6 1,8 3,1 1,3
Анастомоз по РУ 5,9 2,3 3,8 1,1
Резекция сосудов
1,3 0,4 1,7 0,8
Стадия
заболевания
8,8 3,8 9,3 5,4
Амилаза крови
1-5 сутки после
операции
NA 16,4 NA 13,4
Амилаза
дренажа 1-5
сутки после
операции
NA 21,6 NA 25,0
Лейкоциты 1-5
сутки после
операции
NA 11,2 NA 12,4
Морфологическ
ий тип опухоли
4,0 2,6 8,5 4,8
Размер опухоли,
мм
3
10,0 6,7 10,0 5,4
Периневральная
инвазия
3,3 2,2 4,6 2,4
Васкулярная
инвазия
24,8 9,5 14,3 6,0
ИМТ 16,4 10,3 20,7 8,6
Диаметр
Вирсунгова
протока
3,3 2,1 6,0 3,7
При построении модели с использованием данных, полученных в послеоперационном
периоде, roc auc=0,86 (табл.20, рис. 21Б), наибольшую значимость имели уровень амилазы в
отделяемом по дренажу и плазме крови, уровень лейкоцитов крови, Im = 21,6 %, 16,4%, 11,2%.
Так как повышение уровня амилазы в отделяемом по дренажу свыше 3 норм концентрации в
плазме крови является основным критерием диагностики ПОПФ, аналогично моделям на полном
наборе данных данное наблюдение подтверждает правильность построения модели. Кроме того,
97
ИМТ, возраст и васкулярная инвазия в ряду значимости потенциальных факторов риска
следовали сразу за лабораторными показателями, Im=10,3% and 9,5%, 9% (табл.22).
Следует отметить способность алгоритмов предсказывать панкреатические фистулы
класса В и С. Так, по данным интегрального показателя roc auc, формула (8), точность
трехмерной модели, построенной на основе пред- и интрапоперационных данных составляла 0,85
при оценке способности отличать фистулы В/С от остальных классов и 0,74 по точности
дифференциального прогнозирования фистулы B/C и б/х утечки (табл.21, рис. 22А-Б). С
использованием данных, полученных на 1-5 послеоперационный день первый показатель также
соответствовал высокому качеству модели, roc auc=0,86, в то время как точность
дифференциального прогнозирования фистулы B/C и б/х утечки была низкой 0,47 (табл.21,
рисунок 22В-Г). Подобный результат может говорить об общих факторах риска фистул В/С и
биохимической утечки на 1-5 дни после операции и преимущественном развитии фистул В/С при
наличии определенной комбинации факторов риска. При этом добавление послеоперационных
показателей лишь незначительно, на 1%, повышает точность дифференциального
прогнозирования клинически значимых ПОПФ и остальных классов модели, при этом
Рисунок 21 – Точность бинарной модели на корректированном наборе данных: модель
построена на основе алгоритма CatBoost и имеет 2 класса: 0-нет фистул, 1 – б/х утечка и
фистулы класса В/С. А) Пред- и интраоперационные данные; Б)1-5 сутки после операции. На
графике представлены ROC-кривые, показана roc auc (receiver operative characteristic area
under the curve – площадь под ROC-кривой ), [0; 1], которая является метрикой качества
модели. ROC-кривые является функцией TPR = f(FPR), где TPR (true positive rates – истинно
положительные ответы), чувствительность, представлены на оси ординат; FPR (false positive
rates– ложноположительные ответы), представлены на оси абсцисс. FPR получены при
помощи 5-кратной кросс-валидации, а TPR – из исходного датасета.
А)
Б)
T
PR
FPR
T
PR
FPR
98
практически не изменяется форма графика roc auc (рис. 22А, В), что может говорить о значимом
влиянии пред- и интраоперационных факторов.
Аналогично исходной модели наиболее значимыми параметрами явились ИМТ,
васкулярная инвазия и возраст, Im=20,7%, 17,9% и 14,3%, roc auc = 0,85, а при использовании
данных, полученных после хирургического вмешательства, уровень амилазы в отделяемом по
дренажу и плазме крови, а также уровень лейкоцитов были более значимы, Im = 25%, 14,3%,
12,3%, roc auc = 0,86 (табл.22). Таким образом данные параметры можно рассматривать в
качестве предикторов фистул класса В и С, однако требуются дальнейшие проспективные
исследования на расширенном однородном датасете.
Рисунок 22 – Точность трехмерной модели на корректированном наборе
данных: модель построена на основе алгоритма CatBoost и имеет 3 класса: 0-нет
фистул, 1 – б/х утечка, 2 – фистулы класса В/С. А) Пред- и интраоперационные
данные: фистула B/C vs остальные классы; Б) Пред- и интраоперационные данные:
фистула B/C vs б/х утечка; В) 1-5 сутки после операции: фистула B/C vs остальные
классы; Г) 1-5 сутки после операции: фистула B/C vs б/х утечка. На графике
представлены ROC-кривые, показана roc auc (receiver operative characteristic area
under the curve – площадь под ROC-кривой), [0; 1], которая является метрикой
качества модели. Основные обозначения аналогичны представленным на рисунке
21.
А)
Б)
Г)
В
)
FPR
FPR
FPR
T
PR
T
PR
T
PR
T
PR
FPR
99
По данным приведенных моделей наибольшее влияние на развитие панкреатических
свищей оказывает уровень амилазы в отделяемом по дренажу. Можно предположить, что
следующий в ряду значимости значимый параметр, позволяющий отличить фистулы В и С –
концентрация амилазы в отделяемом по дренажу на 1-5 стуки после операции – может быть
фактором прогрессирования осложнения из биохимической утечки в фистулу В или С.
5.4. Способ практического применения прогностических систем
В результате данной диссертационной работы была разработана программа для
электронно-вычислительных машин (ЭВМ) – приложение для персонального компьютера (ПК)
− «Система прогнозирования панкреатической фистулы после хирургических вмешательств на
поджелудочной железе». Программный продукт состоит из вычислительного модуля на основе
алгоритма CatBoost, базы данных клинических наблюдений и интерфейса (рис. 23).
Используемая модель создана на корректированном наборе данных, так как для них была
получена наибольшая точность дифференциальной диагностике фистул В/С. Все компоненты
ПО написаны на языке программирования python 3.7, база данных представлена файлом MS
Excel, также создан дистрибутив для установки ПО на ПК с операционной системой Windows
7/8/8.1/10/11. Входными данными являются значения клинических параметров, выходные
данные – вероятность развития осложнения, [%].
Основной функцией данного приложения является оценка вероятности развития
панкреатических фистул В/С в исходе ПДР на основе данных, известных на 1-5 сутки после
операции. Нами был разработан алгоритм применения программы в клинической практике,
который состоит из нескольких этапов (рис. 24).
Экспертная база данных
n=88
Модуль предиктивной
аналитики, roc auc=0,86
Данные
пациента
Интерфейс
Вероятность развития
осложнения
Рисунок 23 – Структура программного продукта.
100
На первом этапе осуществляют сбор клинической информации о пациенте: возраст, размер
новообразования, морфологический тип опухоли, максимальная концентрация амилазы в
отделяемом по дренажу и плазме крови за первые три послеоперационных дня, диаметр
панкреатического протока, уровень лейкоцитов на 1-5 день после хирургического вмешательства
и ИМТ.
Используемые для прогнозирования параметры были отобраны на основе результатов
моделирования, Im ≥ 5%. Так как в большинстве случаев васкулярная инвазия определяется по
данным морфологического исследования операционного материала, данный показатель был
исключен из программы практического применения, заменен на следующий по значимости
показатель, морфологический тип опухоли, Im = 4,8%, − без потери уровня качества модели, roc
auc =0,86 (табл.22).
Набор клинической информации загружают в программу для ЭВМ, при помощи
интерфейса, (рис. 25), после чего осуществляется расчет вероятности развития панкреатических
фистул с выраженными клиническими проявлениями (фистулы В/С ISGPF, 2016) на 1-5
послеоперационный день на основе данных клинических наблюдений. Значения вероятности,
рассчитываемые моделью нормированы и могут принимать значения 𝑝∈
[
0; 1
]
; их можно
условно разделить по уровню риска развития осложнений: при вероятности развития
Клинические
данные
Система помощи
принятия врачебных
решений на основе
алгоритма CatBoost
Расчет вероятности
развития ПОПФ
Формирование
клинического
прогноза развития
ПОПФ
Корректировка
тактики ведения
пациента
Рисунок 24 – Алгоритм клинического применения программного продукта.
Соседние файлы в папке Библиотека им академика М.И. Перельмана