机器学习助力克罗恩病手术决策：精准预测临时造口风险
【字体：
大
中
小
】
时间：2025年02月26日
来源：BMC Gastroenterology 2.5
编辑推荐：
为解决克罗恩病（CD）肠道切除（IR）后临时造口决策难题，某中心研究人员构建机器学习模型预测其形成，结果表明随机森林（RF）模型预测能力良好，有助于手术决策和改善患者预后。
克罗恩病（Crohn’s disease，CD）是一种慢性炎症性肠病，就像肠道里潜伏的 “小怪兽”，会引发肠壁全层炎症，导致肠狭窄、瘘管、脓肿等各种麻烦的并发症。在欧美发达国家，它的发病率较高，不过近年来，亚洲地区尤其是中国，CD 的发病率也在显著上升。面对这一情况，很多 CD 患者最终都需要通过手术来解决疾病带来的问题，改善生活质量。
然而，肠道切除（intestinal resection，IR）手术后是否要做临时造口，成了一个让医生和患者都头疼的问题。做临时造口吧，虽然能降低术后并发症风险，帮助患者缓解病情，但会影响患者的身体形象，带来心理负担；不做吧，又担心术后出现吻合口瘘等严重并发症。目前，医生只能根据自己的经验，综合考虑患者的个体情况、病情严重程度、并发症等因素来做决定，可这缺乏标准化的指导，没有精准的预测模型。要是能提前知道哪些患者更适合做临时造口，就能让手术决策更科学，患者也能少遭罪，所以开展这样的研究就显得尤为重要。
某中心的研究人员为了攻克这个难题，开展了一项关于构建基于机器学习（machine learning，ML）的模型来预测 CD 患者 IR 术后临时造口形成的研究。他们的研究成果发表在了《BMC Gastroenterology》期刊上。
为了开展这项研究，研究人员收集了 2017 年 7 月至 2023 年 3 月在该中心接受 IR 手术的 CD 患者数据。这些患者被随机分成训练队列和验证队列。研究人员运用了最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）进行特征选择，然后用传统逻辑回归（logistic regression，LR）、随机森林（random forest，RF）、极端梯度提升（extreme gradient boosting，XG-Boost）这三种机器学习算法构建预测模型。最后，用曲线下面积（area under the curve，AUC）、准确率、灵敏度、特异性、精度、召回率和 F1 分数等指标来评估模型的性能，还通过 SHapley Additive exPlanation（SHAP）方法分析各因素的重要性。
研究结果如下：
- 患者特征和手术结果：研究共纳入 252 例 CD 患者，其中 150 例在 IR 术后做了临时造口。临时造口组患者术前体重减轻超过 10% 的比例更高，而且 BMI、术前白蛋白（ALB）和血红蛋白水平较低，术前 C 反应蛋白、红细胞沉降率（ESR）和血小板水平较高。在疾病位置和行为方面，临时造口组患者 L2 和 L3 型疾病位置、B2P、B3、B3P 型疾病行为的比例更高。另外，临时造口组患者剖腹手术（包括中转手术）和全结肠切除术的比例也更高。
- 变量选择：通过 LASSO 回归和 10 折交叉验证，确定了 8 个关键预测变量，分别是肠道切除史、术前 6 个月体重减轻超过 10%、疾病位置、疾病行为、切除类型、手术优先级、ESR、ALB。这些变量就像是预测临时造口形成的 “密码”。
- 模型构建和评估：在训练队列和验证队列中，RF 算法的 AUC 都是最高的，分别达到 0.998 和 0.780。在其他评估指标上，RF 算法也表现出色，灵敏度为 0.991，特异性为 1.000，准确率为 0.971，F1 分数为 0.963 。这表明 RF 算法在预测 CD 手术中临时造口形成方面性能最优。通过 SHAP 分析发现，疾病行为对模型的贡献最大，其次是 ESR、ALB、切除类型等。
在讨论部分，研究人员指出，他们构建的模型有重要意义。疾病行为如 B2P、B3、B3P 型，意味着患者发生穿透性病变的可能性大，术后腹腔感染并发症风险高，更需要考虑做临时造口。术前低白蛋白血症和体重减轻超过 10%，提示患者营养状况差，术后并发症风险高，也与临时造口需求增加有关。疾病位置和切除类型方面，结肠和回结肠型 CD，以及结肠 CD 的手术，尤其是全结肠切除术，患者造口风险更高。肠道切除史和急诊手术也会增加临时造口的风险，因为会提高术后吻合口瘘等并发症的发生几率。此外，ESR 作为全身炎症指标，也与临时造口风险相关，将其纳入模型有助于医生评估风险。
不过，这项研究也有局限性。它是回顾性的单中心研究，可能存在选择偏倚，样本量也不够大，只进行了内部验证。未来还需要更大样本量、多中心的前瞻性研究来进一步验证。
总的来说，这项研究构建的基于机器学习的 RF 模型，能较好地预测 CD 患者 IR 术后临时造口形成的风险，为临床手术决策提供了有价值的参考，有助于实现个性化治疗，改善患者预后。但要想让这个模型在临床广泛应用，还需要更多研究来完善。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱：
粤ICP备09063491号
