«`html

Улучшает ли искусственный интеллект прогнозирование осложнений острого панкреатита

Острый панкреатит — это внезапное воспаление поджелудочной железы, которое может быстро перейти в тяжелую форму. Ежегодно им страдают от 30 до 40 человек на 100 000 жителей в мире. Хотя большинство случаев носят доброкачественный характер и проходят самостоятельно, около 30 % пациентов развивают тяжелые осложнения, такие как стойкая недостаточность органов или инфицированный некроз поджелудочной железы. Эти ситуации значительно увеличивают заболеваемость и смертность, подчеркивая важность раннего и адекватного лечения.

В настоящее время традиционные методы оценки тяжести острого панкреатита основаны на клинических шкалах, таких как шкалы Рэнсона или Глазго-Имри. Однако у этих инструментов есть ограничения. Они основываются на измерениях, проведенных в первые 48 часов, что задерживает выявление пациентов группы риска. Кроме того, их точность остается скромной: дискриминационные значения составляют около 0,61 для шкалы Рэнсона и 0,67 для шкалы Глазго-Имри. Радиологи, в свою очередь, оценивают изображения компьютерной томографии с контрастным веществом, но их визуальная оценка в среднем достигает точности 0,63 при низкой чувствительности 42,5 %. Это означает, что они в основном выявляют тяжелые случаи, когда признаки очевидны, но испытывают трудности с выявлением пациентов, состояние которых ухудшится позже.

Чтобы преодолеть эти ограничения, инновационный подход сочетает искусственный интеллект, анализ медицинских изображений и клинические данные. Этот метод, называемый радиомикой, извлекает количественную информацию из изображений, чтобы выявить паттерны, невидимые невооруженным глазом. Он позволяет фиксировать такие характеристики, как интенсивность, текстура или пространственное расположение тканей. Другой метод, глубокое обучение, автоматически выявляет сложные схемы на изображениях без необходимости предварительного определения критериев. Оба подхода преобразуют медицинскую визуализацию в инструмент, который является не только визуальным, но и количественным и прогностическим.

В этом исследовании были проанализированы 284 пациента с острым панкреатитом. Из них у 140, то есть почти у половины, развились тяжелые осложнения в течение 30 дней после госпитализации. Модели искусственного интеллекта, основанные только на изображениях, показали лучшие результаты, чем традиционные методы, с точностью 0,77 для радиомики и 0,76 для глубокого обучения. Интеграция лабораторных данных, таких как уровень лейкоцитов, С-реактивный белок или лактатдегидрогеназа, еще больше улучшила результаты. Модель, сочетающая радиомику и клинические данные, достигла точности 0,80, что является заметным улучшением по сравнению с другими подходами.

Выбранные биомаркеры отражают ключевые процессы заболевания. Например, мочевина крови указывает на обезвоживание и плохое почечное кровообращение, тогда как С-реактивный белок сигнализирует о сильном воспалении. Низкий уровень альбумина связан с повышенным риском недостаточности органов. Эти маркеры дополняют информацию, полученную из изображений, предлагая более полное представление о состоянии пациента.

Радиологи, несмотря на свою экспертизу, показывают умеренные разногласия при оценке изображений. Их ограниченная чувствительность свидетельствует о том, что у некоторых пациентов, у которых развиваются тяжелые осложнения, на изображениях присутствуют тонкие аномалии, которые сложно обнаружить визуально. Искусственный интеллект, напротив, выявляет эти ранние признаки благодаря анализу тысяч количественных характеристик.

Таким образом, этот мультимодальный подход, сочетающий визуализацию и клинические данные, позволяет более надежно прогнозировать осложнения. Он может помочь врачам раньше выявлять пациентов высокой группы риска, корректировать наблюдение и быстро начинать соответствующее лечение. Однако эти результаты остаются предварительными и требуют проверки в более масштабных исследованиях перед широким применением в клинической практике.

«`

Sources

À propos de cette étude

DOI : https://doi.org/10.1007/s00261-026-05588-w

Titre : Multimodal AI for early prediction of adverse clinical outcomes in acute pancreatitis

Revue : Abdominal Radiology

Éditeur : Springer Science and Business Media LLC

Auteurs : Ahmet Yasin Karkas; Yavuz B. Taktak; Burak Gultekin; Ziliang Hong; Halil Ertugrul Aktas; Deniz Seyithanoglu; Timurhan Cebeci; Alper Akin; Ece Elustu; Kerem Arisin; Ali Canturk; Mehmet Ilhan; Naci Senkal; Michael B. Wallace; Abraham F. Bezuidenhout; Frank H. Miller; Alpay Medetalibeyoglu; Mehmet Semih Cakir; Gorkem Durak; Ulas Bagci; Sukru Mehmet Erturk