Model predykcyjny zapotrzebowania na dodatkowy zabieg po elastycznej ureterorenoskopii z zastosowaniem wyjaśnialnej sztucznej inteligencji

Dlaczego przewidywanie drugiej operacji kamieni ma znaczenie

Zabieg usuwania kamieni nerkowych często przedstawiany jest jako jednorazowe rozwiązanie, jednak ponad jedna czwarta pacjentów poddanych nowoczesnemu zabiegowi przezotworowemu, zwanemu elastyczną ureterorenoskopią, nadal wymaga drugiego leczenia. W niniejszym badaniu sprawdzono, czy sztuczna inteligencja może pomóc lekarzom przewidzieć, którzy pacjenci prawdopodobnie będą potrzebowali kolejnego zabiegu, wykorzystując dane z badań obrazowych i przebiegu operacji, by usprawnić planowanie oraz oszczędzić pacjentom dodatkowy stres, koszty i czas rekonwalescencji.

Jak dziś leczy się kamienie nerkowe

Elastyczna ureterorenoskopia pozwala chirurgom dotrzeć do kamieni wewnątrz nerki, wprowadzając cienką kamerę i laser przez naturalny przewód moczowy. Jest to mniej inwazyjna metoda niż starsze techniki chirurgiczne i stała się często metodą z wyboru dla wielu kamieni. Mimo to całkowite usunięcie nie zawsze jest możliwe. U niektórych pacjentów pozostają fragmenty, które później powodują ból, zakażenie lub niedrożność, zmuszając do ponownej endoskopii, terapii falą uderzeniową lub bardziej inwazyjnego zabiegu. Istniejące systemy ocen próbują przewidzieć powodzenie, ale często opierają się na kilku miarach i mogą mieć trudności, gdy pacjenci znacznie różnią się anatomią i cechami kamieni.

Nowy sposób uczenia się na podstawie wcześniejszych pacjentów

Naukowcy przeanalizowali dane 656 osób poddanych elastycznej ureterorenoskopii w ciągu dziesięciu lat. Dla każdego pacjenta zebrano wiek, płeć, wielkość i lokalizację kamienia, szczegóły z tomografii komputerowej, wyniki badań krwi i moczu oraz wybory techniczne, takie jak rozmiar użytego kanału dostępowego i zastosowanie urządzenia z ssakiem. Następnie wytrenowali i porównali czternaście różnych metod uczenia komputerowego — od prostej regresji logistycznej po bardziej złożone modele drzew decyzyjnych i boosting — by przewidzieć, czy pacjent ostatecznie wymagał nieplanowanego dodatkowego zabiegu.

Kluczowe zagięcie wewnątrz nerki

Najbardziej wyróżniającym się wynikiem nie była wartość laboratoryjna ani rozmiar kamienia, lecz kąt wewnątrz nerki, gdzie centralny zbiornik moczu łączy się z wąskim przewodem odpływowym prowadzącym do pęcherza. Gdy to zagięcie, nazywane kątem miedniczkowo‑moczowodowym (ureteropelvic junction pelvis angle), było ostre zamiast szerokiego, ryzyko konieczności ponownego zabiegu wzrastało znacząco. Pacjenci z kątem poniżej 110 stopni mieli odsetek dodatkowych operacji przekraczający cztery na pięć, podczas gdy u osób z szerszym kątem rzadko było to konieczne. Wzorzec ten utrzymywał się niezależnie od lokalizacji kamieni w obrębie nerki, co sugeruje, że ta pojedyncza cecha anatomiczna odzwierciedla łatwość przechodzenia instrumentów i fragmentów kamieni.

Narzędzia i ustawienia, które mogą zmieniać szanse

Poza anatomią, pewne wybory podczas zabiegu również wpływały na wyniki. Większe kanały dostępowe, które poprawiają przepływ płynów i ułatwiają usuwanie fragmentów, wiązały się z mniejszą liczbą dodatkowych zabiegów, szczególnie w nerkach o ostrzejszym zagięciu. Nowsze urządzenie z funkcją ssania także wydawało się działać ochronnie, prawdopodobnie dlatego, że skuteczniej usuwa resztki. Modele sztucznej inteligencji stosowane w badaniu konsekwentnie wyróżniały te czynniki jako istotne, jednocześnie potwierdzając, że większe lub mnogie kamienie nadal zwiększają trudność zabiegu. Dzięki zastosowaniu wyjaśnialnych technik autorzy mogli pokazać nie tylko, jak dokładne są modele, ale które dane wejściowe kształtują każdą prognozę i w jakim kierunku.

Co to oznacza dla pacjentów i lekarzy

Wyniki sugerują, że proste pomiary z przedoperacyjnego badania TK, połączone z kilkoma kluczowymi decyzjami chirurgicznymi, mogą dać jasny obraz tego, kto prawdopodobnie będzie potrzebował więcej niż jednego zabiegu usunięcia kamieni nerkowych. Dla pacjentów może to oznaczać lepsze informowanie o ryzyku, bardziej dopasowany wybór metody leczenia oraz inteligentniejsze użycie nowszych narzędzi, które mogą zrekompensować trudną anatomię. Dla klinicystów łatwy w użyciu kalkulator oparty na tych modelach mógłby wspierać decyzje, nie zastępując osądu, pomagając dopasować pacjenta do najbardziej odpowiedniego planu już za pierwszym razem.

Cytowanie: Çoban, F., Kutlu, H. & Kalyenci, B. Prediction model for additional procedure requirement in flexible ureterorenoscopy using explainable artificial intelligence. Sci Rep 16, 15292 (2026). https://doi.org/10.1038/s41598-026-46898-9

Słowa kluczowe: kamica nerkowa, elastyczna ureterorenoskopia, kąt ureteropelviczny, uczenie maszynowe, planowanie zabiegu