论文部分内容阅读
背景:经内镜下逆行胰胆管造影术（Endoscopic Retrograde Cholangiopancreatography,ERCP）术是胆总管结石患者首选临床治疗方案,但ERCP术后存在并发症,包括ERCP术后胰腺炎（post-ERCP pancreatitis,PEP）,ERCP术后胆囊炎（Post-ERCP Cholecystitis,PEC）等。PEC是胆总管结石患者术后常被忽略的重要并发症。本研究旨在利用人工智能机器学习模型与logistic回归模型方法结合,构建并验证一个临床预测模型工具,用于PEC临床预测。并探讨胆总管结石患者合并胆囊在位患者行ERCP术时,胆囊状态对ERCP术后胰腺炎PEP的影响及PEP的危险因素分析及预测模型研究。方法:回顾性分析2010年1月至2019年12月在兰州大学第一医院外科内镜中心因胆总管结石且合并胆囊在位患者接受ERCP治疗的临床资料,主要结局指标为PEC和PEP发病情况,对于PEC研究部分,纳入1117名符合条件的纳入患者分为PEC组和非PEC组。对于PEC整合建模:纳入分析的数据包括患者的个人临床基本信息和术前实验室化验数据、术前影像检查结果、ERCP术中操作信息和ERCP后化验检查及其住院期间变化值。利用机器学习中RF（随机森林）方法构建决策树模型分析预测PEC发病并验证危险因素。于建模内部设置训练集和验证集,对模型进行初步检验。采用单因素和多因素二元logistic回归分析确定危险因素并建立logistic回归预测模型。为了进一步验证模型,按照相同标准组外验证纳入2020年1月至2021年5月,共117名患者,以验证模型预测效能。同时,我们还对比检验了其他已发表的ERCP相关预测模型,以评估模型的预测有效性。对于PEP探索研究,纳入单纯胆总管结石合并胆囊在位患者接受ERCP治疗的临床资料。采用logistic回归分析与PEP相关的独立危险因素构建回归模型。纳入一项多中心前瞻性随机对照研究（NCT02510495）中胆总管结石接受小切开联合球囊扩张（Endoscopic Sphincterotomy and Balloon Dilation,ESBD）患者540例,通过受试者操作特征曲线（ROC）危险因素验证,建立危险因素预测PEP的列线图预测模型工具。模型预测效能通过灵敏度、特异度和受试者操作特征曲线（receiver operating characteristic curve,ROC）和曲线下面积（area under ROC curve,AUC）等参数评估比较两个模型的预测区分度,采用临床决策曲线和临床影响曲线验证模型预测准确度。本研究实施前已在Clinical Trials.gov网站注册,编号:NCT04234126,目前已完成结项。结果:对于PEC整合建模,共纳入1117名符合条件患者入组。其中90例患者（发病率为3.95%）在ERCP后发生PEC。采用随机森林（random forest,RF）方法建模确定白细胞计数（white blood cell,WBC）、内镜下乳头括约肌球囊扩张术（Endoscopic papillary balloon dilation,EPBD）、术后WBC增加、ERCP术后残留胆总管结石、血清淀粉酶水平和机械碎石术是前六位有效预测因素,该机器学习模型参数包括敏感度（0.822）、特异度（0.853）、准确度（0.855）和AUC值（0.890）。同时检验建立了一个单独的logistic回归预测模型,采用单因素及多因素二元logistic回归显示WBC（OR=1.153;95%CI:1.036–1.282;p=0.009）,血清淀粉酶水平（OR=1.001;95%CI:1.000–1.001;p=0.009）,合并胆囊结石（OR=10.191;95%CI:2.275–45.649;p=0.002）,胆囊壁粗糙（OR=9.688;95%CI:2.833–33.125;p=0.000）,内镜下胆道支架引流术（endoscopic retrograde biliary drainage,ERBD,OR=2.055;95%CI:1.146–3.685;p=0.016）,机械碎石术（OR=2.294;95%CI:1.293–4.072;p=0.005）、EPBD（OR=3.364;95%CI:2.186–6.041;p=0.000）和ERCP后胆管残留结石（OR=2.491;95%CI:1.480–4.192;p=0.001）是PEC的危险因素。通过这些因素建立了一个回归预测模型,其敏感性、特异性和AUC分别为0.811、0.791和0.864。纳入组外患者验证结果示:后续兰州大学第一医院外科内镜中心2020年1月至2021年5月共256例患者中纳入排除共117名患者（11名PEC患者,发病率4.30%）,用于验证模型预测性能,其中RF模型组外验证AUC为0.889,而logistic回归模型的组外验证AUC为0.884（95%CI,0.783-0.986）。并与现有研究成果其他相关胆道相关ERCP预测模型对比AUC,对比显示该机器学习模型具有较高区分度及准确性。为了提高该模型临床应用,建立了在线网络计算器工具,该网络服务器可在http://101.35.163.113/PEC/在线获取应用。PEP研究纳入接受ERCP治疗的胆总管结石合并胆囊在位患者986例,其中PEP患者128例（5.61%）,对照组未发生PEP患者858例。两组患者基线资料在合并急性胰腺炎病史、糖尿病、胆囊壁厚度、胆管结石多发具有统计学差异。二元logistic分析多因素显示急性胰腺炎病史（OR=2.933;95%CI:1.418-6.067;p=0.004）、术前WBC增高（OR=2.696;95%CI:1.768-4.113;p=0.000）、导丝进入胰管（OR=2.109;95%CI:1.282-3.471;p=0.003）、机械碎石术（OR=1.857;95%CI:1.122-3.073;p=0.016）、术前合并胆囊结石（OR=2.015;95%CI:1.060-4.181;p=0.034）、胆囊壁增厚（OR=2.156;95%CI:1.453-3.199;p=0.001）为PEP的独立危险因素。构建预测模型,以此建立ROC曲线检验,其AUC=0.691（95%CI:0.642-0.740）,组外验证初步纳入1425例患者,经过纳入排除后共540例,其中PEP患者57例（发病率4.01%）,建立ROC曲线验证危险因素:其AUC=0.747（95%CI:0.687-0.806）。临床决策曲线和临床影响曲线验证了该模型的预测准确度,证明该模型具有良好的临床预测性,并依据危险因素绘制Nomogram列线图预测模型。结论:依据WBC、血清淀粉酶、EPBD、ERCP后胆管残留结石、机械碎石、白细胞数量变化等危险因素的特征建立了RF模型。该模型可以预测PEC的发生概率,相比logistic预测模型更准确,通过组外验证后,建立网络预测工具推广应用。胆囊状态对胆总管结石患者行ERCP术后发生胰腺炎的风险存在一定影响。尤其是合并急性胰腺炎病史、胆囊结石、胆囊壁增厚、白细胞增高时明显增加PEP的风险,建议ERCP术中谨慎操作,避免增加PEP操作危险因素如机械碎石术及导丝进入胰管操作,并在围手术期予以预防。