Прогнозирование осложнений после бариатрической хирургии с использованием искусственного интеллекта

ЦЕЛЬ. Разработка, валидация и программная реализация клинико-лабораторной модели на основе машинного обучения (ML) для раннего выявления и своевременной профилактики послеоперационных осложнений у пациентов, перенесших бариатрические вмешательства.
МЕТОДЫ И МАТЕРИАЛЫ. Выполнен ретроспективный анализ клинических данных 2011 пациентов, перенесших бариатрическую операцию. В исследование были включены демографические параметры, клинические симптомы, лабораторные показатели, данные визуализации, а также сведения о течении послеоперационного периода. Построена модель логистической регрессии с применением автоматического взвешивания классов, что позволило скорректировать дисбаланс классов и повысить точность предсказаний. Эффективность модели оценивалась по основным метрикам: AUC, точность, чувствительность, специфичность и F1-score.
РЕЗУЛЬТАТЫ. Разработанная модель продемонстрировала высокую прогностическую точность (AUC=0,975, точность 94,8 %, чувствительность 93,1 %). Наиболее значимыми признаками для классификации осложнений оказались уровни С-реактивного белка, тахикардия, лихорадка, выраженность симптомов и лабораторные маркеры воспаления.
ЗАКЛЮЧЕНИЕ. Представленная модель машинного обучения имеет высокий потенциал для интеграции в клиническую практику и может стать основой для создания интеллектуальных систем раннего предупреждения осложнений, автоматизированного мониторинга и поддержки принятия врачебных решений. 

1. Sheikhtaheri A., Orooji A., Pazouki A. et al. A Clinical decision support system for predicting the early complications of one-anastomosis gastric bypass surgery. Obes Surg. 2019;29:2276–86. https://doi.org/10.1007/s11695-019-03849-w

2. Cao Y., Fang X., Ottosson J. et al. A comparative study of machine learning algorithms in predicting severe complications after bariatric surgery. J Clin Med. 2019;8: 668. https://doi.org/10.3390/jcm8050668

3. Yang C., Kessler M., Taebi N. et al. Remote follow-up with a mobile application is equal to traditional outpatient follow-up after bariatric surgery: the BELLA pilot trial. Obes Surg. 2023;33:1702–9. https://doi.org/10.1007/s11695-023-06587-2

4. Lopez-Arevalo I., Aldana-Bobadilla E., Molina-Villegas A. et al. A memory-efficient encoding method for processing mixed-type data on machine learning. Entropy (Basel). 2020;22:1391. https://doi.org/10.3390/e22121391

5. Wang S., Dai Y., Shen J. et al. Research on expansion and classification of imbalanced data based on SMOTE algorithm. Sci Rep. 2021;11:24039. https://doi.org/10.1038/s41598-021-03430-5

6. Razzaghi T., Safro I., Ewing J. et al. Predictive models for bariatric surgery risks with imbalanced medical datasets. Ann Oper Res. 2019;280:1–18. https://doi.org/10.1007/s10479-019-03156-8

7. Migenda N., Möller R., Schenck W. Adaptive dimensionality reduction for neural network-based online principal component analysis. PLoS ONE. 2021;16: e0248896. https://doi.org/10.1371/journal.pone.0248896

8. Hassan A.M., Rajesh A., Asaad M. et al. Artificial intelligence and machine learning in prediction of surgical complications: current state, applications, and implications. Am Surg. 2023;89:25–30. https://doi.org/10.1177/00031348221101488

9. Stam W.T., Goedknegt L.K., Ingwersen E.W. et al. The prediction of surgical complications using artificial intelligence in patients undergoing major abdominal surgery: a systematic review. Surgery. 2022;171:1014–21 https://doi.org/10.1016/j.surg.2021.10.002

10. Mierzwa A.S., Mocanu V., Marcil G. et al. Characterizing timing of postoperative complications following elective Roux-en-Y gastric bypass and sleeve gastrectomy. Obes Surg. 2021;31:4492–501. https://doi.org/10.1007/s11695-021-05638-w

11. Zucchini N., Capozzella E., Giuffrè M. et al. Advanced non-linear modeling and explainable artificial intelligence techniques for predicting 30-day complications in bariatric surgery: a single-center study. OBES SURG. 2024;34:3627–38. https://doi.org/10.1007/s11695-024-07501-0

12. Groene P., Eisenlohr J., Zeuzem C. et al. Postoperative nausea and vomiting in bariatric surgery in comparison to non-bariatric gastric surgery. Wideochir Inne Tech Maloinwazyjne. 2019;14:90–5. https://doi.org/10.5114/wiitm.2018.77629

13. Suh S., Helm M.,Kindel T.L. et al. The impact of nausea on post-operative outcomes in bariatric surgery patients. Surg Endosc. 2020;34:3085–91. https://doi.org/10.1007/s00464-019-07058-5