Модель прогнозирования 90-дневной послеоперационной летальности в хирургии рака пищевода на базе технологии машинного обучения

Цель исследования – разработка модели предоперационного прогнозирования 90-дневной летальности для оптимизации выбора тактики лечения у пациентов c резектабельным раком пищевода и кардиоэзофагеального перехода (Siewert 1).

Материал и методы. Проведено ретроспективное когортное исследование 225 пациентов с резектабельным раком пищевода (n=179) и кардиоэзофагеального перехода Siewert i (n=46). Проведен анализ 79 предоперационных показателей. Отбор факторов риска выполняли на основании однои многомерной логистической регрессии. Выборка случайным образом была разделена на основную и контрольную группы (70/30). Разработка прогностической шкалы осуществлялась с использованием модели множественной логистической регрессии с l1-регуляризацией и нейросети TabNet, реализующей полосвязную архитектуру с механизмом внимания и позволяющей получать оценки важности отдельных признаков. Дискриминационная способность и калибровка модели оценивались по AUC-ROC и тесту Хосмера–Лемешова.

Результаты. Госпитальная летальность составила 8,9 % (n=20), 30-дневная летальность – 1,3 % (n=3), 90-дневная летальность – 6,2 % (n=14). Наиболее значимыми предикторами летального исхода явились такие факторы, как снижение массы тела более 10 % до операции, 3–4 степень дисфагии, ECOG статус ≥2, ХОБЛ, одышка до операции, обширные торакальные операции в анамнезе, N2 по классификации TNM, тесное прилежание опухоли или ее инвазия в трахею/главные бронхи, цереброваскулярные заболевания в анамнезе, сахарный диабет, осложнения в процессе или после лучевой терапии. При оценке дискриминационной способности модели логистической регрессии AUC ROC в основной группе составила 0,86 (95 % ДИ 0,79–0,92) и в контрольной группе – 0,77 (95 % ДИ 0,72–0,83). С точки зрения калибровки модель была поддержана незначимым тестом χ² Хосмера–Лемешова в обеих когортах: χ²=1,98, df=8 (p=0,98) в основной группе и χ²=4,72, df=8 (p=0,78) в контрольной группе. В результате использования нейросети TabNet удалось достичь улучшенных показателей по метрике AUC-ROC, составивших 0,95 (ДИ 95 % 0,92–0,98) для основной группы и 0,86 (95 % ДИ 0,82–0,96) для контрольной группы, калибровка модели – χ²=8,38, df=8 (p =0,39) и χ²=9,46, df=8 (p=0,30) соответственно. Модель реализована в виде прикладного приложения и может быть использована в реальных сценариях.

Заключение. Разработана модель предоперационного прогнозирования 90-дневной летальности на базе технологии машинного обучения, продемонстрировавшая хорошую валидность и высокий уровень дискриминационной способности. Полученные результаты подтверждают перспективность применения методов машинного обучения для решения задач клинического прогнозирования в онкологической хирургии и подчеркивают потенциал их использования в практическом здравоохранении.

1. Low D.E., Alderson D., Cecconello I., Chang A.C., Darling G.E., DʼJourno X.B., Griffin S.M., Hölscher A.H., Hofstetter W.L., Jobe B.A., Kitagawa Y., Kucharczuk J.C., Law S.Y., Lerut T.E., Maynard N., Pera M., Peters J.H., Pramesh C.S., Reynolds J.V., Smithers B.M., van Lanschot J.J. International Consensus on Standardization of Data Collection for Complications Associated With Esophagectomy: Esophagectomy Complications Consensus Group (ECCG). Ann Surg. 2015; 262(2): 286–94. doi: 10.1097/sLA.0000000000001098.

2. Brusselaers N., Mattsson F., Lagergren J. Hospital and surgeon volume in relation to long-term survival after oesophagectomy: systematic review and meta-analysis. Gut. 2014; 63(9): 1393–400. doi: 10.1136/gutjnl-2013-306074.

3. Talsma A.K., Lingsma H.F., Steyerberg E.W., Wijnhoven B.P., van Lanschot J.J. The 30-day versus in-hospital and 90-day mortality after esophagectomy as indicators for quality of care. Ann Surg. 2014; 260(2): 267–73. doi: 10.1097/SLA.0000000000000482.

4. Luketich J.D., Pennathur A., Awais O., Levy R.M., Keeley S., Shende M., Christie N.A., Weksler B., Landreneau R.J., Abbas G., Schuchert M.J., Nason K.S. Outcomes after minimally invasive esophagectomy: review of over 1000 patients. Ann Surg. 2012; 256(1): 95–103. doi: 10.1097/SLA.0b013e3182590603.

5. Sjoquist K.M., Burmeister B.H., Smithers B.M., Zalcberg J.R., Simes R.J., Barbour A., Gebski V.; Australasian Gastro-Intestinal Trials Group. Survival after neoadjuvant chemotherapy or chemoradiotherapy for resectable oesophageal carcinoma: an updated meta-analysis. Lancet Oncol. 2011; 12(7): 681–92. doi: 10.1016/S1470-2045(11)70142-5.

6. Low D.E., Kuppusamy M.K., Alderson D., Cecconello I., Chang A.C., Darling G., Davies A., D’Journo X.B., Gisbertz S.S., Griffin S.M., Hardwick R., Hoelscher A., Hofstetter W., Jobe B., Kitagawa Y., Law S., Mariette C., Maynard N., Morse C.R., Nafteux P., Pera M., Pramesh C.S., Puig S., Reynolds J.V., Schroeder W., Smithers M., Wijnhoven B.P.L. Benchmarking Complications Associated with Esophagectomy. Ann Surg. 2019; 269(2): 291–98. doi: 10.1097/SLA.0000000000002611.

7. D’Journo X.B., Berbis J., Jougon J., Brichon P.Y., Mouroux J., Tiffet O., Bernard A., de Dominicis F., Massard G., Falcoz P.E., Thomas P., Dahan M. External validation of a risk score in the prediction of the mortality after esophagectomy for cancer. Dis Esophagus. 2017; 30(1): 1–8. doi: 10.1111/dote.12447.

8. Takeuchi H., Miyata H., Gotoh M., Kitagawa Y., Baba H., Kimura W., Tomita N., Nakagoe T., Shimada M., Sugihara K., Mori M. A risk model for esophagectomy using data of 5354 patients included in a Japanese nationwide web-based database. Ann Surg. 2014; 260(2): 259–66. doi: 10.1097/SLA.0000000000000644.

9. Fuchs H.F., Harnsberger C.R., Broderick R.C., Chang D.C., Sandler B.J., Jacobsen G.R., Bouvet M., Horgan S. Simple preoperative risk scale accurately predicts perioperative mortality following esophagectomy for malignancy. Dis Esophagus. 2017; 30(1): 1–6. doi: 10.1111/dote.12451.

10. Arik S.Ö., Pfister T. TabNet: Attentive Interpretable Tabular Learning. Proceedings of the AAAI Conference on Artificial Intelligence. 2021; 35(8): 6679–87. https://doi.org/10.1609/aaai.v35i8.16826.

11. Brown J., Lewis W.G., Foliaki A., Clark G.W.B., Blackshaw G.R.J.C., Chan D.S.Y. Colonic Interposition After Adult Oesophagectomy: Systematic Review and Meta-analysis of Conduit Choice and Outcome. J Gastrointest Surg. 2018; 22(6): 1104–11. doi: 10.1007/s11605-018-3735-8.

12. Kim J.H., Yun J.K., Kim C.W., Kim H.R., Kim Y.H. Long-Term Outcomes of Colon Conduits in Surgery for Primary Esophageal Cancer: A Propensity Score-Matched Comparison to Gastric Conduits. J Chest Surg. 2024; 57(1): 53–61. doi: 10.5090/jcs.23.074.

13. Oshikiri T., Takiguchi G., Hasegawa H., Yamamoto M., Kanaji S., Yamashita K., Matsuda T., Nakamura T., Suzuki S., Kakeji Y. Postoperative recurrent laryngeal nerve palsy is associated with pneumonia in minimally invasive esophagectomy for esophageal cancer. Surg Endosc. 2021; 35(2): 837–44. doi: 10.1007/s00464-020-07455-1.

14. Koyanagi K., Igaki H., Iwabu J., Ochiai H., Tachimori Y. Recurrent Laryngeal Nerve Paralysis after Esophagectomy: Respiratory Complications and Role of Nerve Reconstruction. Tohoku J Exp Med. 2015; 237(1): 1–8. doi: 10.1620/tjem.237.1.

15. Scholtemeijer M.G., Seesing M.F.J., Brenkman H.J.F., Janssen L.M., van Hillegersberg R., Ruurda J.P. Recurrent laryngeal nerve injury after esophagectomy for esophageal cancer: incidence, management, and impact on shortand long-term outcomes. J Thorac Dis. 2017; 9(s8): 868–78. doi: 10.21037/jtd.2017.06.92.

16. Wu W., Zhang Z., Xu Z., Zhang L., Jiang J., Lin F. A systematic review and meta-analysis of intraoperative neuromonitoring (IONM) of the recurrent laryngeal nerve during minimally invasive esophagectomy. J Thorac Dis. 2024; 16(12): 8550–64. doi: 10.21037/jtd-24-1024.

17. Yuda M., Nishikawa K., Ishikawa Y., Takahashi K., Kurogochi T., Tanaka Y., Matsumoto A., Tanishima Y., Mitsumori N., Ikegami T. Intraoperative nerve monitoring during esophagectomy reduces the risk of recurrent laryngeal nerve palsy. Surg Endosc. 2022; 36(6): 3957–64. doi: 10.1007/s00464-021-08716-3.

18. Rice T.W., Ishwaran H., Ferguson M.K., Blackstone E.H., Goldstraw P. Cancer of the Esophagus and Esophagogastric Junction: An Eighth Edition Staging Primer. J Thorac Oncol. 2017; 12(1): 36–42. doi: 10.1016/j.jtho.2016.10.016.

19. Lagergren J., Mattsson F., Zylstra J., Chang F., Gossage J., Mason R., Lagergren P., Davies A. Extent of Lymphadenectomy and Prognosis After Esophageal Cancer Surgery. JAMA Surg. 2016; 151(1): 32–39. doi: 10.1001/jamasurg.2015.2611.