基于多模态机器学习模型预测克罗恩病肠切除术后早期并发症与内镜复发风险

《Langenbeck's Archives of Surgery》：Postoperative monitoring in Crohn’s disease: A multimodal machine learning model for predicting early complications and endoscopic recurrence

　　

摘要

背景

早期术后并发症和内镜复发（ER）仍然是克罗恩病（CD）手术预后的重要决定因素。本研究旨在开发和验证多模态预测模型以估算这些结局。

方法

本回顾性研究纳入了159例接受肠切除手术的CD患者。患者按7:3的比例随机分配至训练集和测试集。候选预测因子在训练集中通过单因素logistic回归、LASSO回归和多因素logistic回归进行选择。随后开发和比较了常规logistic回归及七种机器学习算法。使用10次重复的10折交叉验证和1,000次bootstrap重抽样进行乐观偏差校正，评估模型内部性能，随后在留出的测试集上进行评估。分别使用受试者工作特征（ROC）分析、校准分析、决策曲线分析和Shapley加性解释（SHAP）评估模型区分度、校准度、潜在临床净收益和可解释性。

结果

早期术后并发症和ER分别发生在32.08%和27.67%的患者中。肌少症、sMaRIA、中性粒细胞-淋巴细胞比值和吻合口数量与术后并发症独立相关，其中支持向量机（SVM）的折外AUC为0.847，乐观校正后AUC为0.855，测试AUC为0.873。肛周病变和肉芽肿形成与ER风险增加相关，而较长的疾病病程则显示负相关。在ER预测方面，梯度提升机（GBM）的相应AUC分别为0.805、0.828和0.795。两种模型在决策曲线分析中均显示出可接受的校准度和正净收益特征。

结论

整合临床、炎症、影像、体成分、手术和病理特征的多模态模型在CD术后风险分层方面显示出良好的内部预测性能。在常规临床应用前，需要进行外部多中心验证。