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
101
осложнений от 0% до 49%, риск оценивают как клинически незначимый, а при значениях от 50%
до 100% - как клинически значимый.
На основе полученных данных и клинической картины лечащий врач может осуществлять
оценку риска развития панкреатических фистул и определять клинический прогноз течения
послеоперационного периода, корректировать тактику ведения пациента.
5.4.1. Примеры клинического применения
Клинический случай 1
Пациент Л., 65 лет. Диагноз: рак головки поджелудочной железы T3N1M0. Состояние
после 6 курсов НАПХТ по схеме FOLFORINOX. По данным биопсии – протоковая
аденокарцинома. Выполнена панкреатодуоденальная резекция. Интраоперационно –
субъективно плотная текстура поджелудочной железы
В течение 5 суток после хирургического вмешательства произведена оценка вероятности
развития панкреатических фистул c выраженными клиническими проявлениями (фистулы В и С
ISGPF, 2016), полученный результат составил 20,9%.
Учитывая состояние пациента, характер проведенного лечения и данные, полученные при
помощи «Системы прогнозирования панкреатической фистулы после хирургических
Рисунок 25 – Фотоиллюстрация интерфейса программы для ввода клинической
информации и оценки вероятности развития панкреатической фистул.
102
вмешательств на поджелудочной железе», риск развития панкреатической фистулы оценен как
клинически незначимый.
Корректировка лечебной тактики не требовалась. Послеоперационный период протекал
без осложнений, клинических проявлений панкреатических фистул выявлено не было.
Пациент выписан в удовлетворительном состоянии на 12 сутки после операции под
наблюдение онколога по месту жительства
Клинический случай 2
Пациентка Ю., 35 лет. Диагноз: нейроэндокринная опухоль головки поджелудочной
железы T
2
N
0
M
0
G2. Выполнена панкреатодуоденальная резекция. Интраоперационно –
субъективно мягкая текстура поджелудочной железы.
В течение 3 суток после хирургического вмешательства произведена оценка вероятности
развития панкреатических фистул с выраженными клиническими проявлениями (фистулы В и С
ISGPF, 2016), получен результат 68,6%.
Учитывая состояние пациента, характер проведенного лечения и данные, полученные при
помощи «Системы прогнозирования панкреатической фистулы после хирургических
вмешательств на поджелудочной железе», риск развития панкреатической фистулы оценен как
клинически значимый.
Пациентке были назначены дополнительные лабораторные исследования на содержание
амилазы в отделяемом по дренажу, на 4 сутки после вмешательства – 15000 ЕД, на 5 сутки было
отмечено повышение температуры тела до 37,8
0
С, по данным ОАК – лейкоциты 18*10^9, начато
лечение по стандартам ведения пациентов с симптомными панкреатическими свищами. В
течение последующих 3 дней отмечалась положительная динамика, нормализация температуры
тела, дальнейшего повышения уровня амилазы в отделяемом по дренажу выявлено не было.
Выписана в удовлетворительном состоянии на 18 сутки после операции под наблюдение
онколога по месту жительства.
Таким образом, применение предложенного способа в клинической практике позволило
выявить развитие осложнения панкреатических фистул на начальном этапе и начать
своевременное лечение.
103
ЗАКЛЮЧЕНИЕ
В данной диссертационной работе с целью моделирования и оценки факторов риска
ПОПФ разработан способ предиктивной аналитики хирургических клинических состояний, в том
числе хирургических осложнений с использованием машинного обучения. Технология основана
на анализе набора медицинских данных подготовки данных и параметров моделей на основе
клинических особенностей исследуемых параметров, которые учитываются при подготовке
данных построении алгоритмов и выбора наиболее качественного из них. Результатом
применения предложенного подхода является разработка математических моделей высокого
качества, roc auc 0,65-0,86, а также выявление факторов риска моделируемых осложнений.
Наиболее подходящими для моделирования развития панкреатических фистул после ПДР
явились алгоритмы классификации; невозможность использования логистической регрессии при
больших значениях roc auc обусловлена нелинейным характером данных по данным критериев
псевдо-R
2
= 32% и 21% для трехмерной и бинарной модели «Нет фистул» vs «Б/х утечка +
Фистула В/С».
Для алгоритмов классификации оценка факторов риска проводилась с использованием
двух показателей Im и SHAP. Показатели Im в первую очередь отражают относительную
значимость при совместном включении показателей в модель, а значения SHAP в дополнение
отражают направление связи между параметром и моделируемой переменной. В данной
диссертационной работе оценка значимости параметров c одновременным учетом обоих
параметров и оценкой соответствия знака индекса Шепли клиническому значению параметра.
Показатели с наибольшим значением Im считались самыми значимыми, однако представлены
убывающие ряды значимости показателей с пороговым значением Im не менее 5%.
На основе результатов моделирования были выявлены основные факторы риска развития
симптомных ПОПФ и биохимической утечки при совместном и раздельном их рассмотрении.
Несомненно, наибольший интерес для прогнозирования представляют фистулы класса В
и С, которые являются клинически значимыми согласно IGSPF, 2016, однако прогнозирование
биохимической утечки и выявление общих факторов риска с симптомными ПОПФ также может
быть полезно для дальнейшей клинической практики. Так, по данным модели Random forest «Нет
фистул» vs «Б/х утечка + Фистула В/С» наиболее значимыми общими факторами риска можно
считать молодой возраст, время операции, больший ИМТ, объем кровопотери, малый диаметр
Вирсунгова протока и отсутствие васкулярной инвазии, Im=13,8%, 13,4%, 11,9%, 11,2%, 10%,
9%, roc auc = 66%. Далее в ряду значимости параметров следовали малый размер опухоли,
отсутствие периневральной инвазия и пол, Im=7,9%, 7,1%, 5,9%. Данные наблюдения
104
подтверждаются результатами корреляционного анализа взаимосвязей ПОПФ и параметров;
значимые корреляции получены для мужского пола, диаметра Вирсунгова протока, васкулярной
и периневральной инвазии опухоли, r=-0,193, -0,171, -0,265, -0,285.
Трехмерную модель, которая учитывает отсутствие ПОПФ, б/х утечку и фистулы класса
В и С как отдельные классы можно использовать для прогнозирования изолированной
биохимической утечки. Так, предикторами клинически значимого повышения уровня амилазы в
отделяемом по дренажу можно считать время операции, молодой возраст, высокий ИМТ, объем
кровопотери, малый диаметр Вирсунгова протока, Im = 16,9%, 12,7%, 10,8%, 10,2%, 9,1%. Далее
в ряду значимости следовали размер новообразования, васкулярная и периневральная инвазия,
пол пациента, Im = 7,8%, 7,6%, 6,5%, 6,9%, roc auc=0,72. Время операции и объем кровопотери
могут иметь дифференциально-прогностическое значения для предиктивной аналитики развития
различных классов ПОПФ.
При добавлении в модель послеоперационных данных, уровень амилазы в отделяемом по
дренажу имел наибольшую относительную важность как среди общих предикторов ПОПФ,
Im=21,3%, так и для дифференциальной диагностики различных классов модели, Im=18,8%
(трехмерная модель). Добавление послеоперационных параметров способствовало повышению
точности алгоритмов, roc auc = 0,84 для бинарной модели, 0,8 для трехмерной, 0,81 для
изолированного прогнозирования б/х утечки и 0,71 для прогнозирования фистул В и С. По
данным корреляционного анализа уровень амилазы в отделяемом по дренажу имел наибольший
значимый коэффициент корреляции с развитием ПОПФ, r=0,587.
Факторы риска В/С имеет смысл оценивать на модифицированном наборе данных, так как
для модели, построенной на его основе, были получены наибольшие показатели точности. Так,
наиболее значимыми факторами риска фистул класса В/С явились ИМТ, возраст и васкулярная
инвазия опухоли, Im=20,7%, 17,9% и 14,3%, roc auc = 0,85. Аналогично данным предыдущих
исследований, биохимическая утечка и повышение уровня амилазы по дренажу в течение первых
пяти суток после ПДР является основным фактором риска развития симптомных ПОПФ. При
добавлении данных, полученных в послеоперационном периоде наибольшую значимость имели
уровень амилазы в отделяемом по дренажу и плазме крови, уровень лейкоцитов крови, Im = 25%,
14,3%, 12,3%, roc auc = 0,86. Данные наблюдения подтверждаются значимыми коэффициентами
корреляции параметров с тяжестью ПОПФ: в случае лабораторных показателей, измеряемых на
1-5 дни после вмешательства амилазы крови и в отделяемом по дренажу, лейкоцитов по данным
ОАК r=0,282, 0,539, 0,212 соответственно; для васкулярной инвазии r=-0,256.
При построении моделей на основе обогащенного датасета была получена более высокая
точность прогнозирования симптомных ПОПФ. Данное наблюдение может быть объяснено
исключением крайних вариантов тяжелых клинических случаев при проведении инициальной
105
панкреатэктомии, что может говорить о высокой специфичности метода и подтверждается
результатами корреляционного анализа, согласно которым плотность поджелудочной железы
значимо не коррелировала с развитием панкреатических фистул. Следовательно применение
инициальной панкреатэктомии на основе интраоперационных показателей плотности
поджелудочной железы устраняет воздействие данного фактора риска с высокой
чувствительностью. Однако следует отметить невозможность оценить специфичность данного
метода, в то время как тотальная панкреатэктомия сопряжена с необходимостью последующей
заместительной терапии и существенным снижением качества жизни пациента, что говорит о
необходимости проведения дальнейших проспективных рандомизированных исследований,
направленных на оценку специфичности данного метода.
Программный продукт «Система прогнозирования панкреатической фистулы после
хирургических вмешательств на поджелудочной железе» для прогнозирования фистул В и С был
разработан на обогащенном датасете, с использованием модели развития фистул класса В и С
высокой точности, roc auc=0,86 и позволяет оценивать вероятность развития осложнений в
течение первых пяти суток после операции.
Разработанное ПО устанавливается на персональный компьютер с ОС Widows или
смартфон с ОС Android в виде приложения; данные пациента, наиболее значимые клинические
показатели, известные на 1-5 дни после ПДР вводятся в систему через интерфейс, после чего
выдается вероятность развития ПОПФ от 0% до 100%. Порог относительной клинической
значимости установлен на уровне 50%: вероятность развития осложнения до 50% считается
клинических незначимой (низкий риск), а 50% и более - клинически значимой (высокий риск).
При этом способ применения разработанной программы для ЭВМ основан на совместном
анализе клинической информации и результатов прогнозирования, при котором вероятность
развития ПОПФ, выдаваемая калькулятором, интерпретируется лечащим врачом с учетом
остальной клинической информации и используется для определения риска ПОПФ и помощи
принятия врачебных решений.
Результаты, полученные при помощи корреляционного анализа, соответствуют данным
алгоритмов машинного обучения. Основываясь на данных классической математической
статистики, к факторам риска развития панкреатической фистулы после ПДР можно отнести
молодой возраст, наличие васкулярной и периневральной инвазии, малый диаметр Вирсунгова
протока. Мужской пол является предиктором клинически значимого повышения уровня амилазы
в отделяемом по дренажу. Объем интраоперационной кровопотери и длительность
хирургического вмешательства также могут влиять на частоту повышения амилазы в отделяемом
по дренажу, а последний параметр является предиктором фистулы В/С. Морфологические
характеристики опухоли не связаны с развитием ПОПФ. При этом применение методов
106
машинного обучения позволяет расширить количество клинических параметров, связанных с
развитием ПОПФ и дает возможность дополнительно исследовать их относительную важность.
Специфические параметры, характеризующие хирургическое вмешательство, такие как
резекция сосудов, наложение анастомоза по РУ и по Блюмгарту, пункционной энтеростомы, R-
статус, а также отдельное ушивание Вирсунгова протока, - не влияют на вероятность развития
осложнения. Для данных показателей были получены низкие значения Im и |SHAP|, а также
отсутствовали значимые корреляции.
Следует отметить, что васкулярная инвазия опухоли оценивалась по результатам
морфологического исследования операционного материала; полученные данные говорят о
высокой прогностической значимости данного показателя, что говорит о целесообразности его
оценки на биопсийном материале.
Повышение уровня амилазы плазмы крови и дренажа на 1-5 сутки после ПДР, а также
лейкоцитов по данным общеклинического анализа крови в послеоперационном периоде может
являться фактором риска развития панкреатических фистул типа В и С в последующие дни. Для
данных показателей получены значимые корреляции и показатели Im и |SHAP|, кроме того,
добавление этих параметров в бинарную модель способствовало повышению roc auc:
интегральный показатель изменился с 0,66 до 0,84 и с 0,65 до 0,8 в случае трехмерной модели.
Кроме того, в случае последней повышалась способность отличать отдельные классы
осложнений. На не модифицированном датасете повышалась способность алгоритмов отличать
фистулы В/С от б/х утечки, roc auc 0,74 (на основе пред- и интраоперационных данных – 0,53).
107
ВЫВОДЫ
1. На основе принятых подходов к анализу массивов данных был разработан способ
анализа факторов риска хирургических осложнений у онкологических больных на основе
методов искусственного интеллекта − алгоритмов машинного обучения. Были построены модели
развития ПОПФ достаточной точности как на пред- и интраоперационных данных (roc auc 0,65 -
0,85), так и с использованием данных, известных на 1-5 дни после операции (roc auc 0,74 - 0,86).
Древесные алгоритмы Random forest и CatBoost были наиболее эффективны для моделирования
ПОПФ.
2. Общими факторами риска биохимической утечки и фистул класса В и С явились
молодой возраст (Im=13,8%), время операции (Im=13,4%), больший ИМТ (Im=11,9%), объем
кровопотери (Im=11,2%), малый диаметр Вирсунгова протока (Im=10%; r=-0,193, p<0,05) и
отсутствие васкулярной инвазии (Im=9%; r=-0,265, p<0,05), roc auc = 0,66. Малый размер опухоли
(Im=7,9%), отсутствие периневральной инвазии (Im=7,9%; r=-0,285, p<0,05) и мужской пол
(Im=5,9%; r=-0,193, p<0,05) также могут повышать вероятность ПОПФ. Время операции
(Im=16,9%) и объем кровопотери (Im=10,2%) имеют дифференциально-прогностическое
значение для биохимической утечки, roc auc = 0,72. При учете данных, известных на 1-5 дни
после операции наибольшую значимость имел уровень амилазы в отделяемом по дренажу
(Im=21,3%; r=0,587, p<0,05), roc auc = 0,84.
3. Основным фактором риска развития фистул класса В и С, ПОПФ более тяжелого
течения является инициальное повышение уровня амилазы в отделяемом по дренажу (Im = 25%;
r=0,539, p<0,05) и плазме крови (Im = 14,3%; r=0,282, p<0,05), а также повышение уровня
лейкоцитов по данным ОАК на 1-5 дни после ПДР (Im = 12,3%; r=0,212, p<0,05), roc auc = 0,86.
Высокий ИМТ (Im = 20,7%), отсутствие васкулярной инвазии (Im =17,9%; r=-0,256, p<0,05) и
молодой возраст (Im = 14,3%) также являются факторами риска ПОПФ с клиническими
проявлениями, roc auc = 0,85.
4. Результаты математического моделирования соответствуют результатам
корреляционного анализа и классической математической статистики. Предложен способ
анализа клинических данных и факторов риска на основе последовательного использования
классических методов и машинного обучения.
108
ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ
1. Для прогнозирования ПОПФ рекомендовано оценивать возраст, ИМТ и
васкулярную инвазию опухоли. Продолжительность операции, диаметр Вирсунгова протока,
размер опухоли и пол также должны учитываться при индивидуальной оценке риска ПОПФ
после ПДР.
2. Для своевременной диагностики и профилактики ПОПФ в послеоперационном
периоде в первую очередь необходимо учитывать уровень амилазы в отделяемом по дренажу на
1-5 сутки. Увеличение уровня амилазы крови и лейкоцитов по данным ОАК также
рекомендовано рассматривать в качестве факторов риска ПОПФ.
3. Применение систем помощи принятия врачебных решений на основе алгоритмов
машинного обучения рекомендовано для прогнозирования развития ПОПФ после ПДР до
операции и в раннем послеоперационном периоде. Для прогнозирования фистул класса В и С
рекомендовано применение разработанной программы для ЭВМ «Система прогнозирования
панкреатической фистулы после хирургических вмешательств на поджелудочной железе».
4. Рекомендовано применение разработанной технологии анализа данных на основе
машинного обучения для выявления предикторов хирургических осложнений.
109
СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
АлТ – аланинаминотранфераза
АсТ – аспартатаминотрансфераза
Б/х утечка – биохимическая утечка амилазы по дренажу
ВОЗ – Всемирная организация здравоохранения
ЗНО – злокачественное новообразование
ИМТ – индекс массы тела
КТ – компьютерная томография
МРТ – магнитно-резонансная томография
НАПХТ – неоадъювантная полихимиотерапия
ОАК – общеклинический анализ крови
ОС – операционная система
ПДР – панкреатодуоденальная резекция
ПЖ – поджелудочная железа
ПО – программное обеспечение
ПОПФ – послеоперационная панкреатическая фистула
УЗИ – ультразвуковое исследование
ЭВМ – электронно-вычислительная машина
IGSPF – international group of studying pancreatic fistula (англ. – Международная группа по
изучению панкреатической фистулы)
FRS – fistula risk score (англ. – уровень риска развития фистулы)
ROC-кривая - receiving operating characteristic curve (англ. – Кривая рабочей характеристики
приемника)
Roc auc – area under receiving operating characteristic curve (англ. – площадь под ROC-кривой)
Im – Importance (англ. – важность (параметра модели))
SHAP – индекс Шепли
TPR - true positive rates (англ. – истинно положительные ответы модели)
FPR - flase positive rates (англ. – ложно положительные ответы модели)
110
СЛОВАРЬ ТЕРМИНОВ
алгоритм оптимизации: Математический алгоритм, с помощью которого
осуществляется подбор гиперпараметров модели
биохимическая утечка, бессимптомный свищ: Повышение уровня амилазы в
отделяемом по дренажу свыше трех норм концентрации в плазме крови без клинических
проявлений
гиперпараметры: Параметры алгоритмов машинного обучения, которые позволяют
осуществлять настройку алгоритмов.
датасет: Набор данных, предназначенный для решения задачи предиктивной аналитики
древесные алгоритмы: Алгоритмы, в основу которых положено построение дерева
решений
искусственный интеллект: Группа методов и алгоритмов, которые используются в
работе аналитических систем и позволяют разрабатывать программные комплексы, способные
интерпретировать внешние данные и самостоятельно обучаться на полученной информации,
решать поставленные задачи на основе гибкой адаптации.
класс модели: Вариант значения, которое может принимать моделируемый параметр
машинное обучение: Группа методов на основе искусственного интеллекта, основанной
на решении множества схожих задач с применением различных методов математической
статистики, математического анализа и моделирования.
метрика качества: Способ оценки точности математической модели
послеоперационная панкреатическая фистула (ПОПФ): Осложнение хирургических
вмешательств на поджелудочной железе, которое характеризуется повышением уровня амилазы
в отделяемом по дренажу свыше трех норм концентрации в плазме крови и клиническими
симптомами
предиктивная аналитика: Комплекс методов анализа на основе результата применения
которых можно принимать решения с учетом предыдущего опыта
Соседние файлы в папке Библиотека им академика М.И. Перельмана