Оценка возможностей машинного обучения в радиомике для прогнозирования риска развития клинически значимых панкреатических фистул после панкреатодуоденальных резекций на КТ-изображениях

Аннотация:

Несмотря на снижение летальности при панкреатодуоденальных резекциях (ПДР), частота послеоперационных осложнений остается высокой (20-60%). Одним из наиболее грозных осложнений является послеоперационная панкреатическая фистула. Прогнозирование рисков развития осложненного послеоперационного периода остается актуальной проблемой. Одним из ключевых факторов риска признана структура поджелудочной железы, при этом современные подходы в предсказании возникновения клинически значимого панкреатического свища интегрируют не только морфологические, но и радиомические параметры КТ-изображений с использованием методов искусственного интеллекта. Цель исследования: оценка возможностей машинного обучения в радиомике для прогнозирования клинически значимых панкреатических фистул после ПДР и разработка системы поддержки врачебных решений на базе платформы “Виртуальная биопсия”. Материал и методы. Ретроспективно проанализированы данные 117 пациентов, перенесших ПДР (2016-2019 гг.) в НМИЦхирургии им. A.B. Вишневского. Методами машинного обучения исследованы текстурные показатели предоперационных компьютерных томограмм. Результаты. У 31 (26,5%) пациента зафиксированы клинически значимые панкреатические фистулы. Возрастных различий между группами с осложнениями и без них не выявлено (p < 0,022). У 11 (9,4%) пациентов диагностирован клинически значимый свищ, у 20 (17,1%) - его сочетание с аррозивным кровотечением. Пикфистул отмечен на 4-6-е сутки, кровотечений- на 8-14-е сутки. Радиомическая модель AdaBoost показала наивысшую эффективность (ROC AUC = 0,815), превзойдя альтернативные подходы: Gradient Boosting (0,631), XGBoost (0,677), LightGBM (0,631) и Stacking (0,662). Интеграция морфологических признаков не улучшила прогностическую способность, вероятно, из-за зашумления данных. Модели на основе семантических параметров (макс. ROC AUC = 0,653) подтвердили ограниченную клиническую применимость. Заключение. Методы машинного обучения эффективны в прогнозировании клинически значимых панкреатических фистул после панкреатодуоденальных резекций. Данные радиомического анализа позволяют расширить диагностические возможности методики KT, показывая превосходство в метриках точности моделей над классическими семантическими в отдельности.

Авторы:

Издание: Медицинская визуализация
Год издания: 2025
Объем: 13с.
Дополнительная информация: 2025.-N 4.-С.81-93. Библ. 35 назв.
Просмотров: 1