Risk prediction platform for pancreatic fistula after pancreatoduodenectomy using artificial intelligence
Notice bibliographique
Résumé
BACKGROUND: Despite advancements in operative technique and improvements in postoperative managements, postoperative pancreatic fistula (POPF) is a life-threatening complication following pancreatoduodenectomy (PD). There are some reports to predict POPF preoperatively or intraoperatively, but the accuracy of those is questionable. Artificial intelligence (AI) technology is being actively used in the medical field, but few studies have reported applying it to outcomes after PD. AIM: To develop a risk prediction platform for POPF using an AI model. METHODS: Medical records were reviewed from 1769 patients at Samsung Medical Center who underwent PD from 2007 to 2016. A total of 38 variables were inserted into AI-driven algorithms. The algorithms tested to make the risk prediction platform were random forest (RF) and a neural network (NN) with or without recursive feature elimination (RFE). The median imputation method was used for missing values. The area under the curve (AUC) was calculated to examine the discriminative power of algorithm for POPF prediction. RESULTS: The number of POPFs was 221 (12.5%) according to the International Study Group of Pancreatic Fistula definition 2016. After median imputation, AUCs using 38 variables were 0.68 ± 0.02 with RF and 0.71 ± 0.02 with NN. The maximal AUC using NN with RFE was 0.74. Sixteen risk factors for POPF were identified by AI algorithm: Pancreatic duct diameter, body mass index, preoperative serum albumin, lipase level, amount of intraoperative fluid infusion, age, platelet count, extrapancreatic location of tumor, combined venous resection, co-existing pancreatitis, neoadjuvant radiotherapy, American Society of Anesthesiologists' score, sex, soft texture of the pancreas, underlying heart disease, and preoperative endoscopic biliary decompression. We developed a web-based POPF prediction platform, and this application is freely available at http://popfrisk.smchbp.org. CONCLUSION: This study is the first to predict POPF with multiple risk factors using AI. This platform is reliable (AUC 0.74), so it could be used to select patients who need especially intense therapy and to preoperatively establish an effective treatment strategy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».