论文部分内容阅读
背景与目的：急性结石性胆囊炎（Acute calculus cholecystitis，ACC）是普通外科的常见疾病。随着微创手术技术的发展，腹腔镜胆囊切除术（laparoscopic cholecystectomy，LC）已成为ACC的标准手术治疗方法。约10％-20％的症状性胆囊结石患者同时合并有胆总管（common bile duct，CBD）结石。CBD结石症可引起严重的并发症，如胆管炎和胆源性胰腺炎。2010年，美国胃肠内镜学会（American Society for Gastrointestinal Endoscopy，ASGE）CBD结石指南首先提出了基于循证医学证据的，旨在提高CBD结石的诊断效率并提供临床建议。2019年4月，ASGE指南更新了可疑CBD结石患者的风险评价标准。欧洲胃肠内镜学会（European Society of Gastrointestinal Endoscopy，ESGE）也同时发布了内镜治疗CBD结石指南。我们的研究目的是评估最新指南的诊断效能，并尝试创建基于相关预测因素的人工智能（artificial intelligence，AI）诊断预测模型。
方法：回顾性分析了2011年1月至2018年8月间因ACC入院治疗的患者，他们接受了常规的实验室检查，腹部超声检查（abdominal ultrasound，AUS）和/或电子计算机断层扫描(computed tomography，CT)以及胆总管结石的确定性检查（磁共振胰胆管成像[Magnetic Resonance cholangiopancreatography，MRCP]或CBD探查）。通过分析各单一预测因素以及2019年ASGE指南，2010年ASGE指南和2019年ESGE指南在不同风险下的比值比（odd ratio，OR）、敏感度、特异度、阳性预测值（positive predictive value，PPV）、阴性预测值(negative predictive value，NPV)、阳性似然比(positive likelihood ratio，+LR)和阴性似然比(negative likelihood ratio，-LR)，评价各单一或组合预测因素的诊断价值。并基于术前预测因素：年龄，实验室检查（白细胞，体温，肝功能和总胆红素[total bilirubin，TBIL]），AUS和/或CT表现（CBD结石或扩张的CBD）应用华为ModelArts ExeML平台开发了AI诊断预测模型。数据的纳入和文章的撰写参照诊断准确性报告规范（Standard for Reporting Diagnostic Accuracy Studies，STARD）2015标准执行。
结果：回顾既往7年内的4595例ACC患者的临床资料。基于纳入排除标准，排除了3396例患者，1199例疑似胆石症的患者最终入组进行分析，其中681例（56.8％）并发胆总管结石。2019ASGE/2010ASGE/2019ESGE高风险标准的特异度分别为85.91％（95％置信区间[confidence interval，CI]、82.6％-88.8％）/72.2％（95％CI，68.1％-76.0％）/88.42％（95％CI，85.3％-91.0％），PPV分别为85.5％（95％CI，82.1％-88.5％）/77.4％（95％CI，74.0％-80.6％）/87.3％（95％CI，84.0-90.2）。2019ASGE/2010ASGE/2019ESGE低风险标准的敏感度分别为98.83％（95％CI，97.7＆％-99.5％）/98.97％（95％CI，97.9％-％99.6％）/92.66％（95％CI，90.4％-94.5％），NPV分别为87％（95％CI，75.7％-94.2％）/86％（95％CI，73.1％-94.2％）/77％（95％CI，70.8％-82.4％）。AI预测模型的接受者操作特征（receiver operating characteristic，ROC）曲线下方的面积为0.83。当阈值超过0.6时，有91.3％的患者合并有胆总管结石。当阈值≤0.3时，96.6％的患者没有胆总管结石。
结论：与2010ASGE指南相比，2019ASGE在高风险标准中显示出更高的特异度和阳性预测值，在低风险标准中显示出相近的敏感性和阴性预测值。更新的ASGE风险评价标准与2010ASGE标准相比可以避免7.7％的患者接受诊断性ERCP，且漏诊率低。新的AI预测模型可以有效、灵活地对ACC患者进行分类，为患者治疗选择提供参考。
方法：回顾性分析了2011年1月至2018年8月间因ACC入院治疗的患者，他们接受了常规的实验室检查，腹部超声检查（abdominal ultrasound，AUS）和/或电子计算机断层扫描(computed tomography，CT)以及胆总管结石的确定性检查（磁共振胰胆管成像[Magnetic Resonance cholangiopancreatography，MRCP]或CBD探查）。通过分析各单一预测因素以及2019年ASGE指南，2010年ASGE指南和2019年ESGE指南在不同风险下的比值比（odd ratio，OR）、敏感度、特异度、阳性预测值（positive predictive value，PPV）、阴性预测值(negative predictive value，NPV)、阳性似然比(positive likelihood ratio，+LR)和阴性似然比(negative likelihood ratio，-LR)，评价各单一或组合预测因素的诊断价值。并基于术前预测因素：年龄，实验室检查（白细胞，体温，肝功能和总胆红素[total bilirubin，TBIL]），AUS和/或CT表现（CBD结石或扩张的CBD）应用华为ModelArts ExeML平台开发了AI诊断预测模型。数据的纳入和文章的撰写参照诊断准确性报告规范（Standard for Reporting Diagnostic Accuracy Studies，STARD）2015标准执行。
结果：回顾既往7年内的4595例ACC患者的临床资料。基于纳入排除标准，排除了3396例患者，1199例疑似胆石症的患者最终入组进行分析，其中681例（56.8％）并发胆总管结石。2019ASGE/2010ASGE/2019ESGE高风险标准的特异度分别为85.91％（95％置信区间[confidence interval，CI]、82.6％-88.8％）/72.2％（95％CI，68.1％-76.0％）/88.42％（95％CI，85.3％-91.0％），PPV分别为85.5％（95％CI，82.1％-88.5％）/77.4％（95％CI，74.0％-80.6％）/87.3％（95％CI，84.0-90.2）。2019ASGE/2010ASGE/2019ESGE低风险标准的敏感度分别为98.83％（95％CI，97.7＆％-99.5％）/98.97％（95％CI，97.9％-％99.6％）/92.66％（95％CI，90.4％-94.5％），NPV分别为87％（95％CI，75.7％-94.2％）/86％（95％CI，73.1％-94.2％）/77％（95％CI，70.8％-82.4％）。AI预测模型的接受者操作特征（receiver operating characteristic，ROC）曲线下方的面积为0.83。当阈值超过0.6时，有91.3％的患者合并有胆总管结石。当阈值≤0.3时，96.6％的患者没有胆总管结石。
结论：与2010ASGE指南相比，2019ASGE在高风险标准中显示出更高的特异度和阳性预测值，在低风险标准中显示出相近的敏感性和阴性预测值。更新的ASGE风险评价标准与2010ASGE标准相比可以避免7.7％的患者接受诊断性ERCP，且漏诊率低。新的AI预测模型可以有效、灵活地对ACC患者进行分类，为患者治疗选择提供参考。