《European Journal of Surgical Oncology》:Advancing 90-day mortality and anastomotic leakage predictions after oesophagectomy for cancer using Explainable Artificial Intelligence
编辑推荐:
本研究利用可解释人工智能(XAI)预测食管切除术后的90天死亡率和吻合口漏,结果显示XAI模型(AUC=0.95)优于传统逻辑回归(AUC=0.88),并成功可视化个体风险,为个性化医疗提供新方法。
Sebastian Djerf | Oscar ?kesson | Magnus Nilsson | Mats Lindblad | Jakob Hedberg | Jan Johansson | Attila Frigyesi
隆德大学外科系,瑞典隆德,SE-221 85
摘要
引言
食管切除术具有较高的发病率和死亡率。人工智能(AI)在医学研究中的进步使得预测能力、灵活性和可解释性得到了提升,尤其是在处理复杂相互作用和非线性关系时。
材料与方法
我们使用了基于瑞典国家食管和胃癌质量登记册(NREV)的前瞻性收集的数据,采用病例对照设计,并结合可解释的人工智能(XAI)技术,对2005年11月至2018年2月期间接受食管切除术的1,846名患者的90天死亡率和吻合口漏进行传统逻辑回归(LR)和机器学习(ML)分析。
结果
90天死亡率为6.0%,吻合口漏发生率为12.4%。XAI模型在预测90天死亡率方面的曲线下面积(AUC)为0.95,而LR模型的AUC为0.88;在预测吻合口漏方面,XAI模型的AUC为0.84,LR模型为0.74。LR模型发现年龄、ASA 2-3分级、BMI和吻合口漏是90天死亡率的显著预测因素。ML模型则将年龄和手术年份也列为显著因素。对于吻合口漏,LR模型仅将ASA 3分级列为显著因素,而ML模型认为所有考察的变量均为显著预测因素。XAI显示年龄和围手术期出血是重要的生存影响因素,高BMI和年龄是吻合口漏的显著风险因素。所有因素均表现出非线性关联。XAI还能为每个手术个体提供风险评估。
结论
通过应用XAI,我们加深了对食管切除术后吻合口漏和死亡率的理解。我们的数据中存在LR模型无法揭示的显著非线性关系。借助XAI,我们能够生成个性化的风险评估,从而将食管外科手术推向更加个性化的医疗实践。
部分内容摘录
引言
食管切除术通常是治疗食管癌的有效方法,属于大型的外科手术。随着技术的发展,如今瑞典大多数食管切除术采用微创技术进行。吻合技术也有所进步,目前大多数吻合操作使用环形或线性钉合装置。围手术期护理也通过优化康复计划得到了显著改善。
患者
本研究基于瑞典国家食管和胃癌质量登记册(NREV)的前瞻性收集数据,采用病例对照设计。90天死亡率分析中的病例是指术后90天内死亡的患者,对照组为术后存活超过90天的患者;吻合口漏分析中的病例是指数据库中记录有漏发的患者,对照组则没有漏发的患者。
90天死亡率
总体90天死亡率为6%。XGBoost模型的AUC为0.95,显著高于逻辑回归模型的0.88(p值<0.05)(见图1)。两种方法的Brier评分均<0.05,无统计学差异(p值0.43)。在逻辑回归模型中,吻合口漏与90天死亡率增加相关(比值比OR为3.37(2.13-5.35))、年龄(OR为1.04(1.02-1.07))相关。
讨论
本研究探讨了XAI是否能够提高食管切除术后90天死亡率和吻合口漏的预测准确性。我们特别选择了这两种最严重的结局指标来评估XAI和SHAP在医学研究中的实用性。XAI模型中预测90天死亡率和吻合口漏的最重要变量也通过LR模型的比值比和SHAP得出的比值比进行了对比。我们的登记数据显示死亡率略高于平均水平(6%)。
作者贡献声明
Sebastian Djerf(医学博士):概念构思、数据整理、方法论设计、软件开发、数据分析、初步撰写及审稿编辑。
Jan Johansson(医学博士、教授):概念构思、数据整理、研究设计、资源调配、数据分析、验证、最终撰写及审稿编辑。
Attila Frigyesi(医学博士、副教授):概念构思、方法论设计、数据分析、验证、指导工作。
Oscar ?kesson(医学博士、哲学博士):数据整理、研究工作。
资金来源的作用
资金来源未参与研究设计、数据收集、数据分析、数据解释或报告撰写过程。通讯作者可完全访问研究中的所有数据。
致谢与资助
本研究得到了Skane地区研究支持(项目编号#2022-1284)、瑞典国家卫生服务机构的临床研究资助(项目编号#2022:YF0009和#2022-0075)、Crafoord基金会资助(项目编号#2021-0833)、Lions Skane研究基金、Skane大学医院资助以及瑞典心脏与隆德基金会(HLF)的资助(项目编号#2022-0352和#2022-0458)。