Прогностическая модель оценки риска затяжного плеврального выпота после лобэктомии на дооперационном этапе

Лобэктомия с медиастинальной лимфодиссекцией представляет собой серьёзное хирургическое вмешательство, широко применяемое при злокачественных новообразованиях лёгкого. Несмотря на прогресс в области медицины, подобные операции могут сопровождаться различными осложнениями. Одним из наиболее распространённых осложнений является затяжной плевральный выпот, частота которого варьируется по данным авторов от 10,8 % до 49 % [1].

В современной медицинской практике отсутствует единый подход к определению критериев, позволяющих предсказать вероятность развития затяжного плеврального выпота. Имеются сведения, указывающие на то, что раннее удаление плеврального дренажа создаёт благоприятные условия для последующей реабилитации пациента. Однако точное время удаления дренажа установить затруднительно. Несвоевременное удаление дренажа может не только увеличить продолжительность пребывания пациента в стационаре, но и привести к возникновению нежелательных осложнений, таких как гидроторакс, что, в свою очередь, может потребовать повторной плевральной пункции и дренирования [2, 3].

В настоящее время, параметры, определяющие необходимость своевременного и безопасного извлечения дренажной трубки из плевральной полости, значительно различаются и колеблются в диапазоне от 150 до 500 миллилитров в сутки [3].

Однако ряд исследователей прибегают к использованию и других методов. Ввиду того, что на сегодняшний день не существует чётких критериев для определения затяжного плеврального выпота (ЗПВ), некоторые авторы опытным путём пришли к выводу, что его пороговым значением можно считать 5 суток, а диапазон нахождения дренажа в плевральной полости может варьироваться от 3 до 15 суток при условии отсутствия гнойно-воспалительных осложнений [4, 5].

В настоящее время, при внимательном изучении научной литературы, не обнаружено публикаций, содержащих прогностические модели, которые могли бы предсказать вероятность развития затяжного плеврального выпота у пациентов после проведения лобэктомии по доопераци-онным и интраоперационным параметрам.

Целью данного исследования является разработка прогностической модели и создание интерактивного калькулятора для определения риска развития затяжного плеврального выпота на дооперационном этапе с использованием методов машинного обучения и искусственного интеллекта.

Материалы и методы

Затяжной плевральный выпот – это длительно сохраняющееся скопление жидкости в плевральной полости после лобэктомии, которое не разрешается самостоятельно или после стандартного лечения в течение нескольких недель или месяцев. Такой выпот требует тщательной диагностики, так как может указывать на серьезные заболевания.

Авторы провели анализ данных о пациентах, которым было проведено хирургическое лечение рака лёгкого в период с 1 января 2023 года по 1 января 2024 года в хирургическом отделении торакальной онкологии Ульяновского областного клинического онкологического диспансера [6].

Критерии включения:

• 1.    Подтверждение наличия рака лёгкого с помощью гистологического исследования.

• 2.    Лобэктомия с медиастинальной лимфодиссекцией.

• 3.    Сохранность целостности лёгочной ткани в течение суток после хирургического вмешательства.

• 4.    Согласно результатам рентгенографии, лёгкое полностью расправилось в течение суток.

Критерии исключения:

• 1.    В течение суток после операции по удалению доли лёгкого не обеспечивается полная герметичность дренажной системы.

• 2.    Злокачественный плеврит, который был подтверждён с помощью цитологического исследования.

• 3.    Операции, которые проводились на грудной клетке в прошлом.

• 4.    Вторичное хирургическое вмешательство в первые дни после операции (повторная торакоскопия и торакотомия).

Стадирование опухолевого процесса было проведено соответствии с классификацией TNM, пересмотренной в 8-й редакции, которая была утверждена Международным союзом по борьбе с раком (UICC).

В рамках исследования воспалительных процессов были проведены следующие исследования:

• 1)    В ходе общего анализа крови были определены значения лейкоцитов, гемоглобина, нейтрофилов и лимфоцитов, а также количество тромбоцитов.

• 2)    Были рассчитаны индексы, такие как нейтрофильнолимфоцитарный (НЛИ) и тромбоцитарно-лимфоцитарный (ТЛИ). Эти показатели были измерены до проведения операции.

• 3)    В рамках биохимического анализа крови были определены уровни общего белка, креатинина, мочевины, С-реактивного белка и фибриногена. Эти показатели были измерены до операции.

Операция проводилась с использованием высокотехнологичного метода – видео-ассистированной торакоскопической лобэктомии (ВТС-лобэктомии), который предполагает многопортовый доступ. Торакотомия осуществлялась стандартным образом в четвёртом или пятом межреберье. Для обеспечения эффективного дренирования плевральной полости использовался один дренаж, который устанавливался в восьмом межреберье по задней подмышечной линии в куполе плевральной полости. Дренирование проводилось без активной аспирации по методу Бюлау. С первых суток послеоперационного периода осуществлялся тщательный мониторинг объёма плевральной жидкости по дренажу. Рентгенография органов грудной клетки проводилась в первые сутки после операции, а затем по клиническим показаниям. Ежедневно осуществлялся мониторинг объёма жидкости, эвакуируемой через дренаж. На вторые и пятые сутки, а также в день извлечения дренажа, если оно имело место ранее, проводился анализ состава плевральной жидкости, включающий оценку количества лейкоцитов, общего белка, нейтрофилов и лимфоцитов. Антибактериальная терапия проводилась в соответствии с рекомендациями Совета по контролю антимикробной терапии (СКАТ).

В отделении, где проводилось исследование, были введены требования к удалению дренажа, которые неукоснительно соблюдались всеми участниками исследования:

• –    полное восстановление лёгкого, подтверждённое данными рентгенографии грудной клетки;

• –    отсутствие утечки воздуха через дренажную систему;

• –    объём плеврального выпота, при котором было возможно удаление дренажа, не превышал 100 миллилитров в сутки.

Анализ статистических данных

Все вычисления были проведены с использованием программы StatTech v. 4.04, разработанной компанией «Статтех» (Россия).

С применением обученной логистической регрессии и последующих bootstrap-выборок были созданы прогностическая модель и инструмент для вычисления вероятности возникновения затяжного плеврального выпота после лобэктомии. Эти инструменты представлены в виде интерактивного приложения, доступного на вебсайте. Разработка осуществлялась с использованием R 4.3.0 (R-Project).

Результаты

Основные клинико-лабораторные данные исследуемых пациентов представлены в таблице 1.

Таблица 1

Клинико-лабораторные результаты исследуемых пациентов

Clinical and Laboratory Results of the Studied Patients

Table 1

Параметр/ Parameter		Благополучный п/о период/ Uncomplicated postoperative period n=115	ЗПВ/ Prolonged pleural effusion n=100	p-value
Пол/ Sex	Мужской/ Male	66 (57,4)	70 (70,0)	0,056
	Женский/ Female	49 (42,6)	30 (30,0)
Возраст (лет)/ Age (years), Ме, Q1-Q3	64 (60,00 – 69,50)	64 (60,00 – 69,50)	65,00 (60,75 – 69,00)	0,742
Вариант доступа/ Surgical approach	ОТ/ Thoracotomy	87 (75,7)	94 (94,0)	< 0,001
	ВТС/ VATS	28 (24,3)	6 (6,0)
NLR до операции/ Preoperative NLR, Ме, Q1-Q3		2,47 (1,75 – 3,29)	3,55 (2,48 – 5,16)	< 0,001
Neut до операции/ Preoperative neutrophils, Ме, Q1-Q3		4,55 (3,52 – 5,85)	5,05 (4,14 – 6,33)	0,016
Лимфоциты до операции/ Preoperative lymphocytes, Ме, Q1-Q3		1,87 (1,45 – 2,46)	1,35 (1,20 – 1,80)	< 0,001
TLR до операции/ Preoperative PLR, Ме, Q1-Q3		128,08 (94,62 – 199,86)	179,17 (125,50 – 229,66)	< 0,001
Le-клетки до операции/ Preoperative leukocytes, median, Ме, Q1-Q3		6,89 (6,12 – 8,06)	6,26 (5,17 – 7,12)	< 0,001
Индекс-Тиффно/ Tiffeneau index, Ме, Q1-Q3		82,00 (72,00 – 96,00)	78,50 (69,00 – 87,25)	0,014
Срок удаления дренажа, дни/Drain removal time (days), Ме, Q1-Q3		5,00 (4,00 – 7,00)	10,00 (8,00 – 12,00)	<0,001
Кровопотеря (мл)/ Blood loss (mL), Ме, Q1-Q3		100,00 (100,00 – 200,00)	100,00 (100,00 – 262,50)	0,225
Койко-дни/ Length of hospital stay (days), Ме, Q1-Q3		8,00 (7,00 – 9,00)	12,00 (10,00 – 14,00)	<0,001

Примечание : НЛИ – нейтрофильно-лимфоцитарный индекс; ОТ – торакотомия; ВТС – видеоторакоскопия.

Note: NLR – Neutrophil-to-Lymphocyte Ratio; PLR – Platelet-to-Lymphocyte Ratio; VATS – Video-Assisted Thoracoscopic Surgery; Thoracotomy – OT (Open Thoracotomy).

В таблице 2 представлена частота осложнений в группах.

Таблица 2

Многофакторный анализ исследуемых параметров

Multivariate analysis of the studied predictors

Table 2

Предикторы/ Predictors	Unadjusted		Adjusted
	COR; 95 % ДИ/(95 % CI)	p-value	AOR; 95 % ДИ/(95 % CI)	p-value
Лейкоциты до операции/ Preoperative leukocytes	0,733; 0,618 – 0,871	< 0,001*	0,703; 0,579 – 0,854	< 0,001*
Лимфоциты до операции/ Preoperative lymphocytes	0,581; 0,392 – 0,862	0,007*	0,650; 0,435 – 0,973	0,036*
Нейтрофилы до операции/ Preoperative neutrophils	1,228; 1,038 – 1,454	0,017*	1,286; 1,062 – 1,556	0,010*
Индекс Тиффно/ Tiffeneau index	0,976; 0,960 – 0,993	0,006*	0,977; 0,959 – 0,995	0,014*
Хирургический доступ: втс/ Surgical approach (VATS)	0,198; 0,078 – 0,502	0,001*	0,312; 0,113 – 0,863	0,025*

При оценке зависимости вероятности показателя «затяжной плевральный выпот» от значения логистической функции P с помощью ROC-анализа была получена следующая кривая, представленная на рисунке 2.

Рис. 1. ROC-кривая исходной модели логистической регрессии

Fig. 1. ROC Curve of the Initial Logistic Regression Model

Площадь под ROC-кривой составила 0,769 ± 0,033 с 95 % ДИ: 0,705 – 0,833. Полученная модель была статистически значимой (p < 0,001). Чувствительность и специфичность модели составили 85,0 % и 61,7 %, соответственно.

После того как мы внедрили Bootstrap и обучили логистическую регрессию, используя методы машинного обучения и искусственного интеллекта, мы создали калибровочную кривую для внутренней верификации. Результаты этого процесса представлены на рисунке 2.

Рис. 2. График калибровочной кривой логистической регрессии bootstrap-модели при внутренней валидации

По результатам внутреннего аудита, созданная модель демонстрирует выдающуюся точность, что подтверждается незначительным значением среднего абсолютного отклонения (MAE), равным 0,031. Это свидетельствует о способности модели точно предсказывать вероятности, что делает её надёжным инструментом для прогнозирования.

Проведён анализ мультиколлинеарности признаков с использованием тепловой карты корреляции, полученной из модели логистической регрессии с применением метода bootstrap. Результаты анализа представлены в виде графика на рисунке 3. Анализ позволяет оценить характер взаимодействия между признаками. Полученные данные свидетельствуют о том, что все признаки имеют низкие значения коэффициентов корреляции, что указывает на их независимое влияние на модель логистической регрессии.

Рис. 3. Корреляционная тепловая карта признаков модели логистической регрессии Bootstrap-модели

Fig. 3. Correlation Heatmap of Features in the Logistic Regression Bootstrap Model

В результате анализа, проведённого с применением машинного обучения и логистической регрессии Bootstrap, была разработана номограмма для прогнозирования развития длительного скопления жидкости в плевральной полости у пациентов после хирургического вмешательства, связанного с удалением части лёгкого. Данная номограмма учитывает данные, собранные до и во время операции, что позволяет врачам проводить дифференциальную диагностику с учётом ключевых факторов (рис. 4) [7].

Fig. 2. Calibration Curve Plot of the Logistic Regression Bootstrap Model During Internal Validation

Баллы

10        20        30        40        50

70        80        90       100

Лейкоциты до операции

14       13       12       11       10       9        8        7        6        5        4        3        2

Лимфоциты до операции

8 7.5

6.5 6 5.5 5 4.5 4 3.5 3 2.5 2 1.5

0.5

Нейтрофилы до операции

23456789 10

Индекс Тиффно

140 130 120 110 100 90   80   70   60   50  40

Отсутствие

Видеоторакоскопия

Наличие

Всего баллов

Вероятность

0      20      40      60      80      100     120     140     160     180     200     220     240

0.1     0.2 0.3 0.4 0.5 0.6 0.7 0.8

Рис. 4. Номограмма по прогнозированию риска ЗПВ после лобэктомии

Fig. 4. Nomogram for Predicting the Risk of Prolonged Pleural Effusion After Lobectomy

Кроме того, было создано интерактивное приложение-калькулятор риска затяжного плеврального выпота после лобэктомии [8].

Обсуждение

В XX веке торакальная хирургия совершила прорыв в широком внедрении миниинвазивных технологий, а также обеспечение быстрого восстановления пациентов после хирургических вмешательств. После выполнения лобэктомии, у части пациентов имеются риски развития затяжного плеврального выпота, который требует более продолжительного дренирования плевральной полости, что впоследствии увеличивает сроки госпитализации и риск развития инфекционных осложнений в области постановки дренажа. Кроме того, длительное стояние дренажей может способствовать развитию инфекционных процессов непосредственно в плевральной полости. Согласно результатам проведенного анализа, медиана продолжительности госпитализации при возникновении данного осложнения увеличивалась на 3 дня (р<0,001). Также известно, что длительное наличие дренажной трубки в плевральной полости может привести к дискомфорту в области раны и вызывать болевой синдром требующей лекарственной коррекции [9].

При построении логистической регрессии при многофакторном статистическом анализе определено, что количе- ственное значение лейкоцитов, лимфоцитов, нейтрофилов в общем анализе крови до операции, индекс-Тиффно, а также доступ являются взаимосвязанными предикторами развития затяжного плеврального выпота.

В ходе исследования Yakuwa K et al., проведенного с участием 20 педиатрических пациентов после кардиохирургических вмешательств, были получены значимые данные. Анализ показал, что повышенный нейтрофильно-лимфоцитарный индекс (NLR), превышающий пороговое значение 8, может служить прогностическим маркером для развития длительного (пролонгированного) плеврального выпота в послеоперационном периоде [10].

В нашем исследовании при статистическом анализе было установлено, что медиана NLR составила 3,55, а в исследовании отечественных авторов пороговое значение NLR на 5 сутки после операции составило 2,88 [1]. Сравнение групп с учетом порогового значения выявило достоверные различия (р < 0,001), что подтверждает значимость данного параметра в качестве прогностического маркера затяжного течения плеврита.

Следует отметить, что показатель лейкоцитов сохраняет свою диагностическую значимость: в нашем исследовании медианный уровень лейкоцитов в предоперационном периоде у пациентов с последующим развитием затяжного плеврального выпота составил 6,26, причем различия были статистически достоверными (p < 0,001).

Результаты нашего исследования свидетельствуют о клинической значимости индекса Тиффно как прогностического инструмента. Выявлено достоверное снижение этого показателя в группе пациентов с затяжным плевральным выпотом (р=0,014), что открывает возможности для его использования в предиктивной диагностике длительного плеврального выпота на доклинической стадии. Как показано в работе Shamji FM., снижение индекса Тиффно ниже 60 % достоверно повышает риск послеоперационных осложнений в 2–3 раза. Учитывая, что FEV₁/FVC служит маркером бронхиальной обструкции, его уменьшение приводит к гипоксии, провоспалительному ответу и усиленной экссудации жидкости в плевральную полость. Указанные механизмы создают патофизиологические предпосылки для пролонгированного течения плеврального выпота [11].

В ходе исследования также установлено, что применение видеоторакоскопической техники при выполнении лобэктомии ассоциировалось с более благоприятным течением послеоперационного периода (р < 0,001). Представленный метод хирургического вмешательства отличается сниженной инвазивностью, ускоренным восстановлением пациентов и меньшей частотой послеоперационных осложнений в сравнении с традиционной открытой лобэктомией [12].

В последнее время наблюдается активное развитие моделей машинного обучения на основе искусственного интеллекта, которые зарекомендовали себя благодаря высокой чувствительности и точности в прогнозировании исходов событий, превосходя традиционные методы клинической оценки. Эффективность и надежность таких прогностических моделей подтверждаются множеством статистических анализов [13, 14]. Эти достижения открывают новые возможности в прогнозировании клинических событий, позволяя врачам принимать обоснованные решения на основе ранее обработанных данных. Такой подход позволит значительно улучшить качество лечения и повысить шансы на положительный исход для пациентов. В настоящее время существует прогностическая модель, основанная на послеоперационных факторах, изучении клеток в плевральной жидкости [15], она более чувствительна (71 %) и специфична (89,4 %), однако может прогнозировать наличие ЗПВ только с 5 суток после операции.

На основе полученных данных и применения методов машинного обучения с использованием искусственного интеллекта была разработана прогностическая модель, а также интерактивный онлайн-калькулятор, которые помогают прогнозировать риск развития затяжного плеврального выпота, учитывая до- и интраоперационные параметры, что позволяет заблаговременно начать профилактику данного осложнения. Эти инструменты могут оказать помощь в принятии решения о своевременном и безопасном удалении плеврального дренажа.

Выводы

Частота развития ЗПВ в исследовании составила 46,5 % (100/215).

С применением машинного обучения на основе искусственного интеллекта разработана прогностическая модель и интерактивный калькулятор для оценки риска наличия затяжного плеврального выпота у пациентов после лобэктомии.