机器学习可以预测不良结果后腹部疝手术

机器学习(ML)模型由外科医生在休斯顿德克萨斯大学MD安德森癌症中心显示高水平的准确性预测哪些类型的患者最可能有疝气复发或其他并发症。研究结果被发表在一个“新闻文章”的网站上公布《美国外科学院(江淮)。

修复时腹hernias-hernias隆起的出现腹部肌肉是一种常见的操作,在美国每年有超过400000的表现不过,超过三分之一的这些类型的疝最终再次发生或病人经历一些其他类型的参与complication.1, 2

“我们发现机器学习算法,训练用自己的数据,准确预测发生并发症复杂腹壁修复后,“主要研究作者说阿巴斯·m·哈桑,医学博士,博士后,博士生,整形手术,MD安德森。“这也能够识别与贫穷相关的因素的结果。”

哈桑博士和他的同事们说,这是第一个研究来描述使用毫升预测时间均腹壁并发症重建。

腹疝可以发生在患者有过腹部手术疝修补术以外的东西,如胆囊切除,或者在许多情况下在MD安德森,切除肿瘤和附近组织,甚至一个器官的一部分。外科医生指出,有超过400万例腹部手术在美国每年执行,growing.3腹壁的重建需求

关于这项研究

研究人员回顾了725名患者接受了腹疝修补术的一个开放的操作在MD安德森从3月1日,2005年6月30日,2019年。结果时间均包括疝复发,手术部位发生,再次入院后30天内初始放电。

领导的研究团队,资深作家查尔斯·e·巴特勒,医学博士,流式细胞仪,使用数据从725例开发九监督ML算法,他们发现成功的预测结果。模型考虑病人的人口统计数据和特点,如吸烟状况和其他健康问题。模型还考虑患者的治疗效果和手术本身的特点,如手术技术。巴特勒博士是整形手术和终身教授和主席查尔斯·b·巴克赋予椅子在MD安德森手术。

准确率和识别风险因素

毫升模型实现平均准确率如下:

• 85%预测疝复发
• 72%预测手术部位发生
• 84%预测30天再次入院

深入分析发现因素导致疝复发的风险增加现有违反腹直肌前腹壁的肌肉,肥胖,和桥接修复技术,它使用网格跨度疝缺损。

研究的见解

巴特勒博士解释了理由发展毫升模型。“这对外科医生了解是非常重要的危险因素是腹壁重建,”他说。“这是一个常见的问题,外科医生必须处理所有附属专业的手术。它把巨大的金融、情感和身体压力的医疗体系和病人的影响以及外科医生处理这些问题。”

许多病人经验不适和痛苦如果他们开发一个疝以及如果疝手术修复失败后反复出现。“任何信息,我们可以帮助预测这些不良结果,可能避免或减轻他们将是一个巨大的好处的病人,他们的结果,和金融健康的卫生保健系统,”巴特勒博士说。

哈桑博士指出,研究表明,仅在疝复发的比率降低1%可以拯救美国医疗保健系统3000万美元,据2012年的一项研究。“减少并发症是腹壁重建的最重要的目标之一,”哈桑博士说。“开发一种并发症的患者可能需要重新接纳或再次手术,这导致发病率和死亡率的增加和医疗费用,以及降低了生活的质量。所以,这成了一个关键问题,当我们照顾癌症患者免疫功能不全的。”

减少风险因素导致的并发症

巴特勒博士说,我们的目标是将一个更广泛的数据集到毫升模型和构造风险计算器可以帮助外科医生更清楚地识别患者最容易在腹疝修补术和潜在的并发症风险因素可以修改,以提高成功的机会。“然后你可以实时恳谈,设定目标和病人,”他说。“例如,您可以使用风险计算器向病人解释,你的机会疝复发会下降到一定比例如果你减肥,降低糖化血红蛋白和戒烟。同时,手术部位发生的风险通过做这些事会下降不同的有形的百分比。”This approach gives patients accurate, tangible goals and provides realistic motivation to actively participate in improving their own outcomes of abdominal wall reconstruction.

“我们相信这些模型可以得到改善,在随后的迭代中,推广普及,目前我们着手一项多中心研究来验证模型和开发一个首开先河的工具,使用这些模型和集成临床数据和成像数据提供一个健壮的预测工具,”哈桑博士说。“我们的希望是,该工具将被集成在未来的电子医疗记录和移动接口。”