Прогнозирование панкреатической фистулы после панкреатодуоденальной резекции с использованием машинного обучения

Цель исследования – провести анализ результатов панкреатодуоденальной резекции (ПДР) и выявить предикторы риска возникновения панкреатической фистулы (ПФ), используя возможности технологии машинного обучения (МО).

Материал и методы. Проведено нерандомизированное исследование результатов лечения 128 пациентов, оперированных в объеме ПДР по поводу злокачественных опухолей периампулярной зоны на клинической базе ФГБОУ ВО «ВолгГМУ» Минздрава РФ – ГБУЗ «Волгоградский областной клинический онкологический диспансер» в 2018–2023 гг. Прогнозирование развития ПФ проводили с применением МО на основе многослойного перцептрона и бинарной логистической регрессии (БЛР) в SPSS Statistics v.26. Для оценки точности моделей применяли Receiver Operator Characteristics (ROC) анализ. Сравнение ROC-кривых выполняли тестом ДеЛонг.

Результаты. Клинически значимая ПФ возникла у 19 (14,8 %) пациентов (grade B по ISGPF 2016 – у 16 (12,5 %), grade C – у 3 (2,3 %)). При прогнозировании данные 90 (70,3 %) пациентов были использованы для обучения нейросети, а 38 (29,7 %) – для тестирования прогностической модели. При многофакторном анализе предикторами ПФ явились уровень коморбидности выше 7 баллов по скорректированной по возрасту шкале Charlson, диаметр главного панкреатического протока менее 3 мм и мягкая консистенция поджелудочной железы. Диагностическая точность модели МО, оцениваемая с помощью площади под ROC-кривой, составила 0,939 ± 0,027 (95 % ДИ: 0,859–0,998, чувствительность – 84,2 %, специфичность – 96,3 %). Прогностическая модель с теми же предикторами, разработанная с помощью БЛР, демонстрировала более низкую точность – 0,918 ± 0,039 (95 % ДИ: 0,842–0,994, чувствительность – 78,9 %, специфичность – 94,5 %) (p=0,02).

Выводы. Использование технологий машинного обучения позволяет повысить вероятность верного прогноза возникновения панкреатической фистулы после панкреатодуоденальной резекции.

1. Солодкий В.А., Кригер А.Г., Горин Д.С., Двухжилов М.В., Ахаладзе Г.Г., Гончаров С.В., Пантелеев В.И., Шуинова Е.А. Панкреатодуоденальная резекция – результаты и перспективы (двухцентровое исследование). Хирургия. Журнал им. Н.И. Пирогова. 2023; (5): 13–21. doi: 10.17116/hirurgia202305113.

2. Хатьков И.Е., Домрачев С.А., Цвиркун В.В., Израилов Р.Е., Васнев О.С., Кулезнева Ю.В., Лесько К.А., Щадрова В.В., Никитин Б.С., Старостина Н.С., Тютюнник П.С., Байчоров М.Э., Андрианов А.В., Михневич М.В. Прогнозирование панкреатической фистулы после панкреатодуоденальной резекции с помощью компьютерной томографии. Медицинская визуализация. 2019; (1): 19–27. doi: 10.24835/1607-0763-2019-1-19-27.

3. Егоров С.В., Петров Р.В. Простой, надежный панкреатоэнтероанастомоз. Хирургия. Журнал им. Н.И. Пирогова. 2017; (11): 60–8. doi: 10.17116/hirurgia20171160-68.

4. Далгатов К.Д., Курсков А.О., Халбагинов А.А., Сажин А.В. Современные подходы к панкреатическим анастомозам. Хирургия. Журнал им. Н.И. Пирогова. 2021; (10): 81–6. doi: 10.17116/hirurgia202110181.

5. Singh G. Искусственный интеллект при колоректальном раке: обзор. Сибирский онкологический журнал. 2023; 22(3): 99–107. (in English). doi: 10.21294/1814-4861-2023-22-3-99-107.

6. Мельников П.В., Доведов В.Н., Каннер Д.Ю., Черниковский И.Л. Искусственный интеллект в онкохирургической практике. Хирургия и онкология. 2020; 10(3–4): 60–4. doi: 10.17650/2686-9594-2020-10-3-4-60-64.

7. Yin H., Zhang F., Yang X., Meng X., Miao Y., Noor Hussain M.S., Yang L., Li Z. Research trends of artificial intelligence in pancreatic cancer: a bibliometric analysis. Front Oncol. 2022; 12: 1–13. doi: 10.3389/fonc.2022.973999.

8. Dindo D., Demartines N., Clavien P.A. Classification of surgical complications: a new proposal with evaluation in a cohort of 6336 patients and results of a survey. Ann Surg. 2004; 240(2): 205–13. doi: 10.1097/01.sla.0000133083.54934.ae.

9. Bassi C., Marchegiani G., Dervenis C., Sarr M., Abu Hilal M., Adham M., Allen P., Andersson R., Asbun H.J., Besselink M.G., Conlon K., Del Chiaro M., Falconi M., Fernandez-Cruz L., Fernandez-Del Castillo C., Fingerhut A., Friess H., Gouma D.J., Hackert T., Izbicki J., Lillemoe K.D., Neoptolemos J.P., Olah A., Schulick R., Shrikhande S.V., Takada T., Takaori K., Traverso W., Vollmer C.R., Wolfgang C.L., Yeo C.J., Salvia R., Buchler M.; International Study Group on Pancreatic Surgery (ISGPS). The 2016 update of the International Study Group (ISGPS) definition and grading of postoperative pancreatic fistula: 11 Years After. Surgery. 2017; 161(3): 584–91. doi: 10.1016/j.surg.2016.11.014.

10. Кит О.И., Франциянц Е.М., Кательницкая О.В. Риск венозных тромбоэмболических осложнений у больных злокачественными новообразованиями поджелудочной железы. Сибирский онкологический журнал. 2022; 21(3): 24–32. doi: 10.21294/1814-4861-2022-21-3-24-32.

11. Кучин Д.М., Колесник Я.И., Торгомян Г.Г., Загайнов В.Е. Факторы, влияющие на общую выживаемость при протоковой аденокарциноме головки поджелудочной железы. Опыт одного центра. Злокачественные опухоли. 2021; 11(1): 20–8. doi: 10.18027/2224-5057-2021-11-1-20-28.

12. Назарова Д.В., Расулов Р.И., Зубринский К.Г., Сонголов Г.И. Эволюция лечения рака большого сосочка двенадцатиперстной кишки. Сибирский онкологический журнал. 2021; 20(1): 141–8. doi: 10.21294/1814-4861-2021-20-1-141-148.

13. Bonsdorff A., Sallinen V. Prediction of postoperative pancreatic fistula and pancreatitis after pancreatoduodenectomy or distal pancreatectomy: A review. Scand J Surg. 2023; 112(2): 126–34. doi: 10.1177/14574969231167781.

14. Кабанов М.Ю., Глушков Н.И., Семенцов К.В., Кошелев Т.Е., Савченков Д.К., Сизоненко Н.А., Голощапова И.М. Современные подходы к профилактике и лечению послеоперационных осложнений при раке головки поджелудочной железы. Вестник Национального медико-хирургического Центра им. Н.И. Пирогова. 2023; 18(2): 128–33. doi: 10.25881/20728255_2023_18_2_128.

15. Stoop T.F., Bergquist E., Theijse R.T., Hempel S., van Dieren S., Sparrelid E., Distler M., Hackert T., Besselink M.G., Del Chiaro M., Ghorbani P.; Collaborators. Systematic Review and Meta-analysis of the Role of Total Pancreatectomy as an Alternative to Pancreatoduodenectomy in Patients at High Risk for Postoperative Pancreatic Fistula: Is it a Justifiable Indication? Ann Surg. 2023; 278(4): 702–11. doi: 10.1097/SLA.0000000000005895.

16. Yoon S.J., Kwon W., Lee O.J., Jung J.H., Shin Y.C., Lim C.S., Kim H., Jang J.Y., Shin S.H., Heo J.S., Han I.W. External validation of risk prediction platforms for pancreatic fistula after pancreatoduodenectomy using nomograms and artificial intelligence. Ann Surg Treat Res. 2022; 102(3): 147–52. doi:10.4174/astr.2022.102.3.147.

17. Kambakamba P., Mannil M., Herrera P.E., Müller P.C., Kuemmerli C., Linecker M., von Spiczak J., Hüllner M.W., Raptis D.A., Petrowsky H., Clavien P.A., Alkadhi H. The potential of machine learning to predict postoperative pancreatic fistula based on preoperative, non-contrastenhanced CT: A proof-of-principle study. Surgery. 2020; 167(2): 448–54. doi: 10.1016/j.surg.2019.09.019.

18. Han I.W., Cho K., Ryu Y., Shin S.H., Heo J.S., Choi D.W., Chung M.J., Kwon O.C., Cho B.H. Risk prediction platform for pancreatic fistula after pancreatoduodenectomy using artificial intelligence. World J Gastroenterol. 2020; 26(30): 4453–64. doi:10.3748/wjg.v26.i30.4453.

19. Mu W., Liu C., Gao F., Qi Y., Lu H., Liu Z., Zhang X., Cai X., Ji R.Y., Hou Y., Tian J., Shi Y. Prediction of clinically relevant Pancreaticoenteric Anastomotic Fistulas after Pancreatoduodenectomy using deep learning of Preoperative Computed Tomography. Theranostics. 2020; 10(21): 9779–88. doi: 10.7150/thno.49671.

20. Ingwersen E.W., Stam W.T., Meijs B.J.V., Roor J., Besselink M.G., Groot Koerkamp B., de Hingh I.H.J.T., van Santvoort H.C., Stommel M.W.J., Daams F.; Dutch Pancreatic Cancer Group. Machine learning versus logistic regression for the prediction of complications after pancreatoduodenectomy. Surgery. 2023; 174(3): 435–40. doi: 10.1016/j.surg.2023.03.012.