关键词:
胰十二指肠切除术
手术后并发症
临床相关胰瘘
预测模型
机器学习
集成学习
摘要:
目的构建并验证预测胰十二指肠切除术后患者发生临床相关术后胰瘘(CR-POPF)的集成机器学习模型。方法本研究为预测模型研究。回顾性收集2020年6月至2023年5月在华中科技大学同济医学院附属协和医院胰腺外科接受胰十二指肠切除术的421例患者的临床资料。其中男性241例(57.2%),女性180例(42.8%),年龄(59.7±11.0)岁(范围:12~85岁)。通过分层随机抽样法将研究对象按照3∶1的比例分为训练集(315例)和测试集(106例)。使用递归特征消除算法对特征进行筛选,运用9种机器学习算法分别建模,挑选拟合能力较优的三组模型,通过Stacking算法进行模型融合构建集成模型。通过多种指标评估模型性能,并使用Shapley Additive Explanations(SHAP)方法对最优模型进行可解释性分析。根据替代胰瘘风险评分系统(a-FRS)的预测概率(P)将测试集患者分为不同风险组,对a-FRS评分进行验证并比较其与所建模型的预测效能。结果421例患者中,发生CR-POPF 84例(20.0%)。在测试集中,Stacking集成模型表现最佳,其受试者工作特征曲线的曲线下面积(AUC)为0.823,准确率为0.83,F1分数为0.63,Brier得分为0.097。SHAP总结图显示,影响胰十二指肠切除术后发生CR-POPF的前9位因素依次为胰管直径、CT值比值、术后血清淀粉酶、IL-6水平、体重指数、手术时间、术前术后白蛋白差值、降钙素原及IL-10。各个因素对胰十二指肠切除术后CR-POPF发生的影响均呈现出复杂的非线性关系。当胰管直径<3.5 mm、CT值比值<0.95、术后血清淀粉酶浓度>150 U/L、IL-6水平>280 ng/L、手术时间>350 min、白蛋白降低超过10 g/L时,发生CR-POPF的风险增加。a-FRS在测试集中的AUC为0.668,预测效能低于Stacking集成机器学习模型。结论本研究构建的Stacking集成机器学习模型能够预测胰十二指肠切除术后CR-POPF的发生,有潜力成为胰十二指肠切除术后个性化诊疗的有效工具。