《Current Anesthesiology Reports》:Artificial Intelligence for Risk Prediction in Perioperative Cancer Surgery: a Narrative Review
综述目的:人工智能(AI),尤其是机器学习(ML),越来越多地被用于预测接受大型癌症手术患者的围手术期风险。本叙述性综述旨在帮助围手术期临床医生了解当代基于AI的预测建模,批判性评估当前证据,并探讨如何在学习型医疗系统(Learning Health System, LHS)框架内将这些工具整合到临床决策中。近期发现:近期研究表明,在特定场景下,基于AI的围手术期结局预测相比传统工具显示出应用前景。然而,性能提升幅度不一。许多模型缺乏可解释性、外部验证、校准评估或真实世界临床影响的证据。总结:基于AI的预测模型在癌症手术围手术期风险分层方面显示出潜力,但仍需严格建立外部验证、可解释性以及与可操作临床路径的关联。未来研究应优先关注前瞻性评估、公平性、工作流程整合和实施科学,以将预测准确性转化为有意义的临床获益。
**引言**
大型癌症手术与术后并发症和死亡率的显著风险相关。尽管手术技术和围手术期护理取得进步,每20名接受常见或高风险癌症手术的患者中仍有1人在术后30天内死亡。术后死亡率已被描述为全球第三大死因。即使死亡率相对较低,严重并发症仍影响四分之一至二分之一的患者,影响短期恢复、增加医疗成本并恶化长期肿瘤结局。这些数据强调了在术前识别高风险手术患者更准确且临床可操作方法的必要性。
传统的围手术期风险评估工具,如美国外科医师学会国家外科质量改进计划(ACS NSQIP)手术风险计算器,依赖有限的人工筛选预测变量。这往往对变量与结局施加线性或预设关系,导致个体层面的错误校准。许多模型也源自异质性非癌症队列,可能限制其在肿瘤手术患者中的适用性。
相比之下,人工智能(AI),特别是现代机器学习(ML)和深度学习(DL)方法在癌症队列上训练,可以分析包含人口统计学、健康社会决定因素、合并症、肿瘤特征、实验室值、组学数据、手术因素和围手术期生理数据的大规模高维数据集。这些方法能灵活建模非线性关系和更高阶交互,较少受数据规模或潜在分布限制,因此能识别与手术结局相关的复杂模式。
AI在围手术期医学的早期应用表明,在特定情境下ML模型在预测术后结局方面可能优于传统风险指数。然而,算法性能的改进,包括区分度(如受试者工作特征曲线下面积,AUROC)和校准,并不必然转化为临床效用或更好的临床结局。ML相对于传统方法的价值仍取决于具体情境,最终依赖于其整合到可行、可操作的临床路径中,以支持主动临床决策,包括术前状况优化、替代治疗策略选择,以及为高风险患者规划加强的围手术期监测和支持。
向数据驱动预测的转变与学习型医疗系统(LHS)的概念一致。LHS是一个持续从常规收集的临床数据中迭代学习以改善护理的医疗系统,旨在生成和应用最佳可用证据来支持患者和临床医生决策。通过在LHS框架内整合基于AI的预测模型,医疗系统有可能通过识别可能受益于针对性术前优化(预康复)、加强术后护理或其他定制干预的患者来近乎实时地改善结局,同时生成新数据以迭代优化模型性能。然而,实现这一潜力需要强大的数据基础设施、治理框架、临床工作流程整合以及前瞻性验证,以确保安全性、公平性和有效性。这些方法同样适用于低收入和中等收入国家,在这些国家资源限制和健康社会决定因素放大了高效风险分层和资源分配的重要性。
本叙述性综述检验AI和ML在癌症手术预测建模中的作用,并为围手术期临床医生提供一个实用且临床相关的框架来解释基于AI的风险预测。具体目标包括:1. 向临床医生介绍围手术期癌症手术中基于AI的预测建模,包括关键方法论基础、术语和核心概念,及其在LHS框架内的作用;2. 总结并批判性评估当前AI驱动的围手术期手术预测分析研究格局;3. 讨论可解释人工智能(XAI)方法如何增强模型输出的透明度和可解释性;4. 审视在手术实践中部署基于AI的预测模型相关的伦理、法律和社会考量。
**手术中基于AI的预测建模的方法论基础**
本节描述创建手术风险预测模型的典型工作流程,并概述评估模型性能和临床效用的关键考量。
**数据来源与特征选择**
数据是任何预测建模工作的基础。在癌症手术中,相关数据可来自多个护理阶段,包括术前变量(如人口统计学、合并症、功能状态、实验室结果和肿瘤特征)、术中变量(如生理参数、麻醉管理、输血需求、手术持续时间和手术技术)以及术后结局(如重症监护病房(ICU)入住、并发症、住院时间和再入院)。现代电子健康记录(EHR)、机构数据库和国家癌症或手术登记处是结构和非结构化数据的关键来源。预测变量的选择应反映模型的预期时间和临床目的。稳健的数据集应捕获被认为影响明确定义结局的预测变量。数据质量至关重要,需要临床医生和数据科学家的精心管理:模型性能从根本上受训练数据的质量、完整性和一致性限制。缺失数据、代表性不足人群、不一致文档、变量编码差异和小样本量等问题可能损害模型开发和泛化性。研究者还必须解决伦理、隐私、数据安全和治理考量,以确保患者信息的适当使用。在模型训练前,特征选择用于通过临床判断和/或数据驱动方法识别相关变量。目标是平衡患者风险的全面表征与避免过度维度,过度维度可能增加过拟合风险。数据集通常分为训练集和测试集,在未见数据上评估性能。K折交叉验证可提供更可靠的性能估计。正则化、剪枝和早停技术也可用于约束模型复杂度。同时,更简单的模型如逻辑回归常作为基准,以确定ML方法是否提供有意义的增量价值。
**模型开发方法**
在医疗预测建模中,存在从传统统计方法到更复杂ML算法的谱系。逻辑回归长期以来用于预测二元结局,透明且易于解释。相比之下,ML方法可容纳更大、更异质的特征集,灵活建模非线性关系和交互,但往往以可解释性为代价,尤其对于深度学习方法,常导致“黑箱”系统。例如,在高维临床数据上训练的ML模型可用于预测术后事件如肺炎或住院时间延长。
**监督学习与无监督学习**
监督学习中,模型在标记的围手术期数据集上训练,输入特征与已知结局相关联。通过学习历史数据中的输入-输出关系,监督模型可预测新患者的预定临床终点。无监督学习应用于未标记数据,旨在识别数据集内的内在结构,可能根据共享风险特征聚类患者或揭示具有不同生理或治疗反应模式的潜在亚组。区分监督和无监督学习很重要,因为它们解决不同的临床目标。
**围手术期护理中的常见AI方法**
人工智能(AI)是执行传统上与人类智能相关的任务的计算机方法的统称。机器学习(ML)是AI的主要子领域,深度学习(DL)是ML中基于多层神经网络的子集。常见方法包括:决策树和集成方法(如随机森林和梯度提升),用于提高预测性能和鲁棒性;支持向量机(SVM),可分离数据中的结局类别;神经网络和深度学习模型,可建模高度复杂的关系但可能难以解释;大语言模型(LLMs),可提取非结构化临床笔记中的风险相关信息、综合纵向EHR数据、生成结构化临床表型等,但需严格评估幻觉、偏见和可重复性问题。其他方法包括贝叶斯模型、正则化回归(如LASSO)、聚类方法、跨机构联邦学习和强化学习。这些基于ML的非机制模型在某些情况下比传统工具表现出改进的预测性能,但模型特征可能与结局相关而不暗示因果关系。
**模型验证与性能指标**
模型开发后,严格验证对于确保训练样本之外患者的可靠性能至关重要。内部验证涉及在同一来源的留出数据上测试模型;外部验证涉及在不同机构、临床环境、人群或时间段的数据上测试模型。区分度指标包括AUROC、c统计量、精确率-召回率曲线和F1分数。校准指标评估预测概率与观察事件率的一致性,使用校准图、大范围校准和校准斜率或Brier分数。临床效用和基于阈值的性能包括敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)和决策曲线分析。报告指南如TRIPOD、TRIPOD+AI、PROBAST+AI、CONSORT-AI和SPIRIT-AI支持清晰透明的报告。
**从准确性到临床效用**
临床效用指使用预测模型是否相比标准实践改善患者护理或结局。高预测准确性不足;模型应支持可操作的决策。决定因素包括:可操作性(预测应触发针对性干预)、工作流程整合(模型应在决策时地生成预测并以用户友好格式呈现,最好通过EHR整合的临床决策支持)、前瞻性评估(最终测试是前瞻性试验或实施研究)以及安全性和监督(保持“人机交互”、建立多学科监督委员会、必要时重新校准)。
**主要癌症手术中基于AI的预测分析的当前证据**
作者进行了结构化MEDLINE搜索,识别31,063条记录,应用资格标准后缩至179条,最终纳入131项研究。
**人群、数据来源和研究设置**
早期应用常聚焦单机构数据集或特定癌症类型。近期研究更大规模和更多样化的数据源,包括EHR衍生数据集、多机构数据库或国家登记处。例如,Merath等人使用ACS-NSQIP登记处开发肝、胰或结直肠切除术患者的并发症风险模型;Rosen等人结合丹麦四个国家登记数据库获得超过18,000名患者的综合队列。单中心EHR数据集仍重要,因可提供更细粒度的临床数据。Jo等人分析了单一医疗系统内约42,000例跨17种癌症类型的手术病例以预测住院时间延长。Mahajan等人纳入近150万名患者,仅使用术前EHR变量开发ML模型,优于ACS NSQIP手术风险计算器。Bihorac等人开发了MySurgeryRisk,一种单中心EHR预测计算器,为八种术后并发症生成概率风险评分,AUROC值在0.82至0.94之间。疾病特异性单中心研究也检查了胰十二指肠切除术、食管切除术和直肠癌手术后的结局。总体而言,领域正朝着更大、更异质的数据集发展,但多机构数据集可能在编码实践、缺失性、结局定义和文档标准方面引入异质性。
**模型性能:关键发现**
**预测目标与临床应用**
**术后并发症:** 使用ACS NSQIP数据、大学医院网络数据和非癌症当地医院数据的ML模型已用于预测整体和特定术后并发症,部分研究报告比传统风险工具更高的区分准确性。Nwaiwu等人使用神经网络模型预测结肠切除术后吻合口漏和住院时间延长。
**住院时间、重症监护和资源利用:** ML模型已应用于资源利用相关结局。Jo等人使用EHR数据预测癌症手术后住院时间延长(17种癌症类型)。Wang等人开发了LASSO模型预测结直肠癌大手术后ICU入住,AUROC为0.865。一项对134,840名成人的队列研究使用SHAP值将特征从523减少至150而不损害性能。
**抢救失败:** ML模型被探索用于识别抢救失败风险最高的患者,可能指导加强术后监测、早期并发症检测、升级路径或选择性转诊。一项对约5000例头颈癌手术病例的系统综述发现住院时间模型的中等预测性能,AUROC范围为0.63至0.84。
**再入院:** Howell等人开发模型预测结直肠手术后30天再入院,结合行政数据与临床和社会经济因素,关键预测因子包括造口创建、指征住院期间的术后并发症和有限社会支持。
**肿瘤学和长期结局:** ML方法已应用于癌症复发等长期肿瘤结局。Xu等人和Jeon等人开发了结直肠癌手术后肿瘤复发预测模型,Jeon等使用集成方法实现AUROC 0.83。
**预测性能及与传统风险模型的比较:** 许多研究报告AUROC在0.75至0.85范围。Merath等人报告ML并发症模型AUROC 0.80-0.85,优于ASA身体状况分级和ACS NSQIP手术风险计算器(AUROC 0.70-0.75)。Mahajan等人使用约150万手术病例的术前数据预测多种术后并发症,AUROC约0.80-0.88。
**泛化性、外部验证和模型可移植性:** 当前研究的一个主要局限是许多模型仅在回顾性数据上评估,常在同一机构或开发数据集内。患者人口统计学、癌症类型、手术技术和数据收集实践的差异可能影响性能。算法偏见可能源于训练数据中某些人群代表不足。近期综述强调需要多样化、多中心外部验证,并警告许多已发表模型因非代表性数据、小样本量、不完整报告或有缺陷的验证方法而处于高偏倚风险。可移植性不仅是技术问题也是实施问题,当医院采用已发表模型时可能需要在本地重新校准。迁移学习正被探索为跨站点适应模型的策略。模型可随时间更新,但引发治理和监管问题。
**公平性、公正性和跨患者人群的性能:** 算法开发者必须明确解决模型公平性,避免基于性别、年龄、种族、民族或社会经济群体的偏见。未来研究应报告临床相关亚组的模型性能。
**从预测到临床影响:** 关键问题是AI预测模型是否改善真实世界决策、护理过程或患者结局。丹麦结直肠手术研究是从模型开发到真实世界实施作为临床决策支持工具的标志性例子。模型生成的风险估计指导个性化围手术期干预,实现标准护理队列和AI模型指导护理队列之间的前后时间比较。模型指导方法与会减少术后并发症和再入院相关。研究者还报告了模型风险分层与临床医生判断之间非常高的一致性(kappa 0.93)。AI预测模型最有可能在嵌入可操作临床路径时改善护理。
**用于围手术期决策的可解释人工智能:临床使用案例**
可解释人工智能(XAI)指使模型输出更透明和可解释的方法。在围手术期风险预测中,可解释性解决关键临床问题:为什么该患者被分类为高风险或低风险?常见XAI技术包括特征重要性排序、部分依赖性图以及LIME和SHAP等局部解释方法。SHAP值估计每个特征相对于基线风险增加或减少预测风险的程度。使用案例说明了ML模型预测复杂腹部癌症手术后30天内Clavien-Dindo III级或更高主要并发症。SHAP分析识别出多种术后结局的主要预测因子,包括手术类型、预期手术持续时间和年龄。这有助于区分固定患者或手术特征与可能可改变或管理相关因素。患者场景展示了SHAP值如何将数值风险警报转化为临床可解释和可操作的概况,支持目标优化策略、手术方法修改、术后监测计划和患者咨询。
**真实世界部署的伦理、法律和社会影响**
在围手术期护理中实施AI预测模型引发伦理、法律和社会考量。
**偏见、健康公平和公正性:** 算法偏见可能源于训练数据代表现有医疗不平等。公平性应在模型开发、验证和部署后监测中明确评估。患者和社区参与有助于识别偏见来源。AI预测应告知而非决定临床决策,临床医生保留公平、个体化和情境敏感护理的责任。
**透明度和问责制:** 当AI贡献于临床决策时,临床医生和患者应被告知。AI输出应理解为决策支持。最终责任由治疗临床医生承担。部署前应定义问责制,包括模型选择、本地验证、实施、临床医生培训、监控、重新校准和故障响应的责任。
**数据治理、隐私和同意:** 数据治理至关重要。模型开发通常使用去标识化或假名化数据,而实时临床部署涉及可识别患者信息。合规性、安全存储、访问控制、审计跟踪和网络安全是强制性的。患者应收到关于其数据用途的清晰信息。多机构合作需要正式数据共享协议和隐私保护方法(如联邦学习)。明确同意问题因司法管辖区而异,但应在LHS框架内保持透明度。
**监管监督、模型更新和知识产权:** 监管框架正在发展。自适应模型引入治理挑战。FDA关于AI设备软件功能的预定变更控制计划指南建议前瞻性指定计划模型修改、验证和实施方法及影响评估。AI临床预测模型的所有权在法律和操作上复杂,应在治理和合同安排中前瞻性解决。
**社会和专业影响:** AI引入对临床团队、专业身份和患者-临床医生关系有影响。早期用户参与可提高接受度。存在自动化偏差风险。患者反应可能不同。工作流程整合对于可持续实施至关重要。
**结论**
将AI整合到大型癌症手术患者的围手术期路径可能扩大。成功实施不仅取决于预测性能,还取决于严格验证、可解释性、公平性能、工作流程整合、临床医生监督和前瞻性真实世界评估。未来研究应优先考虑稳健外部验证、标准化结局和前瞻性真实世界评估,以确定AI指导的风险分层是否能改善患者和卫生系统结局。