Budowa i walidacja modeli uczenia maszynowego do przewidywania perforacji wyrostka robaczkowego podczas leczenia zachowawczego zapalenia wyrostka związanym z fekalitą: wieloośrodkowa retrospektywna analiza 20 algorytmów

Dlaczego to ważne dla osób z bólem brzucha

Zapalenie wyrostka robaczkowego jest jedną z najczęstszych przyczyn zabiegów chirurgicznych w trybie pilnym, ale dziś wielu pacjentów najpierw leczonych jest antybiotykami zamiast natychmiastowej operacji. U osób, u których w świetle wyrostka znajduje się twarda, kamykowata zatyczka kałowa, zwana fekalitą, taki wybór może być ryzykowny, ponieważ wyrostek łatwiej ulega pęknięciu. W badaniu postawiono pytanie istotne dla każdego pacjenta i lekarza stającego przed tą decyzją: czy można we wczesnej fazie bezpiecznie rozpoznać, kto może pozostać na leczeniu farmakologicznym, a kto rzeczywiście jest zagrożony groźną perforacją?

Problem zatkanego wyrostka

Lekarze od dawna wiedzą, że zapalenie wyrostka przebiega inaczej, gdy jego cienka rurka jest zatkana przez fekalitę. Zablokowanie podnosi ciśnienie, uciska przepływ krwi i sprzyja infekcji, co razem zwiększa prawdopodobieństwo pęknięcia narządu nawet przy szybkim rozpoczęciu antybiotykoterapii. Powszechne kliniczne skale oceny zapalenia wyrostka powstały jednak dla wszystkich pacjentów, a nie konkretnie dla osób z fekalitą, i słabo przewidują perforację w tej grupie podwyższonego ryzyka. Ta niepewność stawia lekarzy przed dylematem: operować zbyt często, narażając pacjentów na własne ryzyka i koszty, czy też zwlekać i ryzykować pęknięcie wyrostka.

Wykorzystanie wzorców w danych szpitalnych

Naukowcy zgromadzili dokumentację 1 247 dorosłych leczonych bez natychmiastowej operacji z powodu zapalenia wyrostka związanego z fekalitą w czterech dużych szpitalach w latach 2018–2023. Około jeden na siedmiu pacjentów doznał perforacji w ciągu trzech dni. Dla każdego pacjenta zebrano proste informacje będące już częścią rutynowej opieki: wiek, parametry życiowe, badania krwi wskazujące na stan zapalny oraz pomiary CT wyrostka i fekality. Następnie wyszkolono 20 różnych algorytmów komputerowych do wykrywania wzorców łączących te cechy z tym, kto doświadczył, a kto nie doświadczył pęknięcia wyrostka, z wydzieloną częścią danych przeznaczoną do uczciwej oceny modeli.

Zwycięskie narzędzie do przewidywania ryzyka

Wśród wszystkich podejść najlepiej sprawowała się rodzina metod łączących wiele drzew decyzyjnych, znana jako gradient boosting. Po etapie selekcji cech końcowe narzędzie opierało się na ośmiu łatwo dostępnych informacjach, w tym rozmiarze fekality, stężeniu białka C-reaktywnego i liczbie białych krwinek oraz grubości i szerokości wyrostka widocznej w CT. W głównej grupie testowej model skutecznie rozdzielał pacjentów o wysokim i niskim ryzyku z doskonałym wskaźnikiem dokładności (AUC około 0,89). Co szczególnie istotne, gdy model ocenił pacjenta jako niskiego ryzyka, miał rację w ponad 96 procent przypadków, że nie dojdzie do perforacji, co daje silne uspokojenie przy kontynuowaniu leczenia zachowawczego.

Przekształcenie liczb w czytelne grupy ryzyka

Aby narzędzie było praktyczne przy łóżku chorego, zespół przekonwertował surowe wartości prawdopodobieństwa na trzy proste progi. Pacjenci z przewidywanym ryzykiem poniżej 30 procent zostali oznaczeni jako niskiego ryzyka i mieli tylko 3,8-procentowy rzeczywisty odsetek perforacji. Osoby z ryzykiem między 30 a 60 procent sklasyfikowano jako umiarkowane, z okoł o jedną czwartą kończących się perforacją. Powyżej 60 procent to pacjenci wysokiego ryzyka, z których ponad siedem na dziesięć doświadczyło perforacji. Zaproponowane działania odpowiadają tej skali: rutynowe monitorowanie dla grupy niskiego ryzyka, baczniejsze obserwacje i powtórne badania dla grupy umiarkowanej oraz wczesna lub pilna operacja dla pacjentów o najwyższym ryzyku. Osobna kohorta 225 pacjentów z piątego szpitala, nieużywana przy budowie modelu, wykazała bardzo podobne wyniki, co sugeruje, że podejście może działać poza pierwotnymi ośrodkami.

Co to oznacza dla pacjentów i lekarzy

Mówiąc wprost, badanie pokazuje, że komputer wytrenowany na zwykłych wynikach badań krwi i ustaleniach z CT może dać lekarzom znacznie jaśniejsze wczesne ostrzeżenie, którzy pacjenci z zatkanym wyrostkiem są rzeczywiście zagrożeni, jeśli pozostaną wyłącznie na antybiotykach. Narzędzie nie jest doskonałe, ale szczególnie dobrze identyfikuje osoby bezpieczne do obserwacji i leczenia zachowawczego bez pośpiechu do sali operacyjnej. Po dalszych testach w różnych szpitalach i wdrożeniu w czasie rzeczywistym takie modele mogłyby wspierać bardziej spersonalizowane decyzje, pomagając wielu pacjentom uniknąć niepotrzebnej operacji, jednocześnie zapewniając, że osoby o najwyższym ryzyku otrzymają terminowe zabiegi, zanim dojdzie do pęknięcia wyrostka.

Cytowanie: Zhu, Y., Feng, J., Liu, R. et al. Building and validating machine learning models to predict appendiceal perforation during conservative treatment of fecalith-associated appendicitis: a 20-algorithm multicenter retrospective analysis. Sci Rep 16, 11728 (2026). https://doi.org/10.1038/s41598-026-47372-2

Słowa kluczowe: zapalenie wyrostka robaczkowego, uczenie maszynowe, predykcja ryzyka, leczenie zachowawcze, gradient boosting