ПРОГНОСТИЧЕСКИЕ АСПЕКТЫ ИСХОДОВ ВНУТРИЧЕРЕПНЫХ МЕНИНГИОМ: БАШ-СӨӨК ИЧИНДЕГИ МЕНИНГИОМАЛАРДЫН АКЫБЕТТЕРИНИН ПРОГНОСТИКАЛЫК АСПЕКТИЛЕРИ
Менингиомы стратифицируются в зависимости от степени опухоли и степени резекции, часто в отрыве от других клинических переменных. Цель работы: интеграция демографических, клинических, рентгенологических и патологических данных для разработки прогностических моделей исходов менингиомы. Материал и методы. Разработана всеобъемлющая база данных, содержащая информацию о 235 пациентах, которые перенесли операцию по поводу 257 менингиом в одном учреждении с 2013 по 2023 год. Медиана наблюдения составила 4,3 года, и образцы резекции были повторно оценены в соответствии с современными диагностическими критериями, в результате чего было выявлено 128 менингиом II и 25 менингиом III степени по ВОЗ. Серия алгоритмов машинного обучения была обучена и настроена с помощью вложенной повторной выборки для создания моделей, основанных на предоперационных функциях, обычных послеоперационных функциях или на том и другом. Результаты. Проведено сравнение точности различных алгоритмов, а также уникальной информации, которую они предоставляли в данных. Модели машинного обучения, ограниченные предоперационной информацией, такой как демографические данные пациента и рентгенологические характеристики, имели такую же точность прогнозирования локальной недостаточности или общей выживаемости, как и модели, основанные на степени менингиомы и степени резекции. Интегрированные модели, включающие все доступные демографические, клинические, рентгенологические и патологические данные, позволили получить наиболее точные оценки. На основе этих моделей разработаны деревья решений и номограммы для оценки рисков локальной недостаточности или общей выживаемости пациентов с менингиомой. Заключение. Клиническая информация исторически недостаточно использовалась при прогнозировании исходов менингиомы. Прогностические модели, обученные на основе предоперационных клинических данных, работают сопоставимо с обычными моделями по степени менингиомы и степени резекции. Сочетание всей доступной информации может помочь более точно стратифицировать пациентов с менингиомой. Менингиомалар көп учурда шишиктин жана резекциянын даражасына карата башка өзгөрүлмөлөрдөн ажыратылып стратификацияланат. Иштин максаты: демографиялык, клиникалык, рентгенологиялык жана патологиялык маалыматтарды интеграциялоо. Материал жана ыкмалар. Бир мекемеде 2013-жылдан 2023-жылга чейинки мезгилде менингиоманы алуу боюнча операцияга дуушар болгон 257 бейтаптын маалыматын камтыган ар тараптуу маалымат базасы иштелип чыккан. Байкоо медианасы 4,3 жылды түзгөн, резекция үлгүлөрү кайталанып заманбап диагностикалык критерийлерге жараша каралып, анын натыйжасында 128 Бүткүл дүйнөлүк саламаттык сактоо уюмунун (БДССУ) классификациясы боюнча II даражадагы менингиома менен 25 III даражадагы менингиома табылган. машиналык окутуунун алгоритмдик сериясы моделдерди түзүү үчүн алынган кайталоо тандоосунун жардамы менен иштелип чыккан, ал операцияга чейинки функциялар, операциядан кийинки функциялар же экөөнө тең негизделген. Натыйжалар. Маалыматтарда камтылган уникалдуу мааламатты жана ар кандай алгоритмдердин тактыгын салыштырдык. Демографиялык маалымат жана рентгенологиялык мүнөздөмөлөр сыяктуу операцияга чейинки маалымат менен чектелген машиналык окутуу моделдери менингиоманын резекция даражасына негизделген моделдердей өңдүү локалдык жетишпестик же жалпы жашап кетүү прогнозунун тактыгына ээ болгон. Демографиялык, клиникалык, рентгенологиялык жана патологиялык маалыматтарды камтыган интеграцияланган моделдер көбүрөөк тактыктагы баа берүүгө мүмкүндүк берди. Ушул моделдердин негизинде менингиомалары бар бейтаптардын локалдык жетишпестик же жалпы жашап кетүү тобокелине баа берүү үчүн чечимдер дарагын жана номограммаларды иштеп чыктык. Корутунду. Клиникалык маалымат тарыхый жактан караганда менингиомалардын акыбетин прогноздоо үчүн жетишсиз колдонулуп келген. Операцияга чейинки клиникалык маалыматтар негизиндеги прогностикалык моделдер менингиоманын резекция даражасы боюнча моделдер менен салыштырмалуу иштейт. Бардык жетиштүү маалыматтар айкалышы менингиомалары бар бейтаптарды так стратификациялоого жардам бериши мүмкүн. Meningiomas are stratified depending on the extent of the tumor and the degree of resection, often in isolation from other clinical variables. The aim of the work is to integrate demographic, clinical, radiological and pathological data for the development of prognostic models of meningioma outcomes. Material and methods. Authors have developed a comprehensive database containing information on 235 patients who underwent surgery for 257 meningiomas in one facility from 2013 to 2023. The median follow-up was 4.3 years, and the resection samples were re-evaluated in accordance with modern diagnostic criteria, resulting in 128 grade II meningiomas and 25 grade III meningiomas according to WHO. A series of machine learning algorithms have been trained and configured using nested resampling to create models based on preoperative functions, conventional postoperative functions, or both. Results. Authors compared the accuracy of different algorithms, as well as the unique information they provided in the data. Machine learning models limited to preoperative information such as patient demographics and radiological characteristics had the same accuracy in predicting local insufficiency or overall survival as models based on the degree of meningioma and the degree of resection. Integrated models, including all available demographic, clinical, radiological and pathological data, allowed us to obtain the most accurate estimates. Based on these models, authors have developed decision trees and nomograms to assess the risks of local insufficiency or overall survival in meningioma patients. Conclusion. Clinical information has historically been underused in predicting meningioma outcomes. Prognostic models trained on the basis of preoperative clinical data work comparably with conventional models in terms of the degree of meningioma and the degree of resection. Combining all the available information can help to more accurately stratify meningioma patients.
Сведения
- Журнал
- Euroasian Health Journal
- Опубликовано
- 2024 · № 3, С. 50-57
- Язык
- Кыргызский
- ISSN
- 1694-8882 · 1694-8890
- Издатель
- Kyrgyz State Medical Academy named after I.K. Akhunbaev
- Аффилиации
- Ошская межобластная объединенная клиническая больница