Preoperative Machine-Learning Models for Predicting Postoperative Morbidity after Anterior Clinoidal Meningioma Surgery: Development and External Validation
Deze studie heeft preoperatieve machine learning-modellen ontwikkeld en extern gevalideerd die met succes medische complicaties, motorische defecten en cognitieve achteruitgang na chirurgie aan een anterior clinoidaal meningioom voorspellen, wat leidde tot de creatie van een experimentele online risicocalculator.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je een tumor voor die diep in de schedel groeit, genesteld tegen de delicate bedrading en de leidingen die een persoon in leven houden. Dit is de realiteit voor patiënten met clinoidale meningiomen, een specifiek type hersentumor dat ontstaat nabij de voorkant van de schedelbasis. Deze groeiwijzen zijn berucht moeilijk te verwijderen omdat ze zich wikkelen rond kritieke structuren zoals de oogzenuw, die het zicht regelt, en de interne carotis arteria, een belangrijke bloedvat dat de hersenen van bloed voorziet. Decennialang hebben chirurgen vertrouwd op anatomische kaarten om te beslissen of een tumor veilig verwijderd kan worden, waarbij de focus lag op de vorm en grootte van de groei zelf. Deze kaarten negeren echter vaak de persoon die de tumor draagt. De algehele gezondheid van een patiënt, hun leeftijd en hoe hun lichaam met stress omgaat, zijn even belangrijk als de locatie van de tumor bij het voorspellen of een operatie tot complicaties zal leiden. Tot nu toe was er geen betrouwbare manier om deze persoonlijke gezondheidsfactoren te combineren met de anatomie van de tumor om de risico's te voorspellen waar een specifieke patiënt voor in aanmerking komt voordat de eerste incisie wordt gemaakt.
Een team van neurochirurgen en datawetenschappers uit Italië, het Verenigd Koninkrijk en China zette zich in om dit te veranderen door een nieuw soort instrument te bouwen. Ze verzamelden informatie van 241 volwassenen die een operatie hadden ondergaan om deze tumoren te verwijderen in vier verschillende ziekenhuizen in drie landen. In plaats van de gegevens met traditionele statistische methoden te bekijken, gebruikten ze machine learning, een vorm van kunstmatige intelligentie die complexe patronen in grote sets informatie kan vinden. De onderzoekers voedden de computer met routinegegevens die beschikbaar waren vóór de operatie: de leeftijd van de patiënt, bestaande gezondheidstoestanden, fysieke kracht en specifieke kenmerken van de tumor die zichtbaar zijn op MRI-scans, zoals de grootte en hoe nauw de tumor om nabijgelegen bloedvaten heen wikkelde. Het doel was om de computer te leren drie hoofdtypen problemen te voorspellen die na de operatie kunnen optreden: algemene medische problemen zoals infecties of bloedstolsels, chirurgische problemen zoals bloedingen of lekkages van lichaamsvocht, en nieuwe neurologische problemen zoals zwakte, verwarring of visusverlies.
De resultaten toonden aan dat de computer succesvol bepaalde risico's kon voorspellen, maar andere niet. Het model bleek zeer goed in het voorspellen van algemene medische complicaties, zoals infecties of hartproblemen. Het leerde dat grotere tumoren, tumoren die zich strak om bloedvaten wikkelen en patiënten met meer bestaande gezondheidstoestanden of een lagere fysieke fitheid een hoger risico liepen. Wanneer het werd getest op patiënten van ziekenhuizen die de computer nog nooit eerder had gezien, bereikte het een AUC van 0,77 voor deze risico's. Dit suggereert dat de algehele kwetsbaarheid van een patiënt een belangrijke factor is in de vraag of zij na een operatie systemische gezondheidsproblemen zullen ontwikkelen. Het model toonde ook veelbelovende resultaten bij het voorspellen van nieuwe motorische defecten, zoals zwakte in een arm of been, waarbij werd vastgesteld dat tumoromvang en betrokkenheid van specifieke bloedvaten belangrijke waarschuwingssignalen zijn. Op dezelfde manier kon het het risico op cognitieve achteruitgang, oftewel geheugen- en denkproblemen, inschatten door de leeftijd van de patiënt en de huidige fysieke status mee te wegen.
De studie benadrukte echter ook de grenzen van wat er vóór een operatie kan worden voorspeld. De computer slaagde er niet in om chirurgische complicaties zoals bloedingen of infecties op de wond betrouwbaar te voorspellen. De onderzoekers concludeerden dat deze specifieke problemen waarschijnlijk worden bepaald door wat er tijdens de procedure zelf in de operatiekamer gebeurt, in plaats door de conditie van de patiënt voordat deze arriveerde. Bovendien kon het model geen nieuw visusdefect voorspellen. Hoewel de studie vond dat ongeveer 8 procent van de patiënten na de operatie nieuwe problemen met het zicht ervoer, losten deze problemen bijna altijd binnen een jaar op, en de onderzoekers konden geen preoperatieve factoren vinden die aangaven wie hierdoor getroffen zou worden. Dit suggereert dat visuele uitkomsten te onvoorspelbaar zijn op basis van de huidige gegevens of worden beïnvloed door factoren die het team niet heeft gemeten, zoals de specifieke gezondheid van de oogzenuw zelf.
Het team heeft hun succesvolle modellen vertaald naar een online calculator die artsen kunnen gebruiken om het risicoprofiel van een patiënt in te schatten. Hoewel het instrument nog niet klaar is voor routinematig klinisch gebruik en verdere tests vereist om te garanderen dat het perfect werkt voor elk ziekenhuis, vertegenwoordigt het een belangrijke stap voorwaarts. Het verplaatst het gesprek van een generieke beoordeling van een tumor naar een gepersonaliseerde voorspelling van het risico, waardoor chirurgen en patiënten begrijpen welke specifieke gevaren zij mogelijk tegemoet gaan. Door de focus te leggen op de gezondheid van de patiënt naast de anatomie van de tumor, biedt dit werk een duidelijkere weg naar veiligere, meer op maat gemaakte chirurgische planning voor sommige van de meest uitdagende hersenoperaties.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.