Прогнозирование риска массивного интраоперационного кровотечения при беременности в рубце после кесарева сечения с помощью радиомической модели на основе МРТ

Введение

Внематочная беременность в рубце после кесарева сечения (CSP) представляет собой серьезное осложнение, связанное с риском массивного интраоперационного кровотечения. Точное прогнозирование этого риска может улучшить тактику ведения пациенток.

Цель

Разработка радиомических моделей на основе магнитно-резонансной томографии (MRI) для прогнозирования риска массивного интраоперационного кровотечения у пациенток с CSP.

Материалы и методы

В исследование включены 126 пациенток с CSP из Центра 1, случайным образом разделенные в соотношении 7:3 на обучающую (n = 88) и внутреннюю валидационную (n = 38) группы, а также 32 пациентки из Центра 2, составившие внешнюю валидационную группу.

Клинические и радиомические признаки, связанные с массивным кровотечением, анализировались с использованием следующих алгоритмов машинного обучения:

• k-ближайших соседей (KNN)
• метод опорных векторов (SVM)
• Light Gradient Boosting Machine (Light GBM)
• многослойный перцептрон (MLP)

Для оценки моделей использовались:

• площадь под ROC-кривой (AUC)
• тест Делонга
• анализ кривых принятия решений (DCA)
• калибровочные кривые

Результаты

Выявлено 11 значимых радиомических характеристик, связанных с интраоперационным кровотечением. Комбинированная модель (IP), учитывающая данные плодного яйца и окружающих тканей, построенная с помощью MLP, показала наилучшую прогностическую способность (AUC = 0,959) по сравнению с клинической моделью (AUC = 0,500) и номограммой (AUC = 0,283).

Оптимальный порог риска составил 0,180. DCA и калибровочные кривые подтвердили хорошую клиническую применимость IP-модели.

Выводы

IP-модель превосходит другие модели в прогнозировании риска массивного кровотечения при CSP. Риск значительно возрастает при превышении порога 0,180. Модель может помочь в принятии индивидуальных клинических решений.

Термины и сокращения

• CSP (cesarean scar pregnancy) - беременность в рубце после кесарева сечения
• MRI (magnetic resonance imaging) - магнитно-резонансная томография
• KNN (k-nearest Neighbor) - метод k-ближайших соседей
• SVM (support vector machine) - метод опорных векторов
• Light GBM (Light Gradient Boosting Machine) - алгоритм градиентного бустинга
• MLP (Multi-Layer Perception) - многослойный перцептрон
• AUC (area under curve) - площадь под ROC-кривой
• DCA (Decision Curve Analysis) - анализ кривых принятия решений
• IP (in the gestational sac and peripheral to the gestational sac) - комбинированная модель анализа плодного яйца и окружающих тканей