Разработка и валидация интерпретируемой прогностической модели риска неплановой повторной операции у пациентов, перенесших операцию по удалению внутричерепной опухоли

Почему повторная операция по-прежнему важна

Для людей, которым предстоит операция по удалению опухоли головного мозга, сама операция — лишь начало длительного и хрупкого восстановления. Одним из самых серьёзных осложнений является необходимость неожиданно вернуться в операционную вскоре после первой процедуры. Это исследование из крупной клиники Китая задаёт практический вопрос с реальными человеческими последствиями: можно ли с помощью уже собираемых данных выявить на раннем этапе пациентов с наибольшим риском неплановой второй операции и достаточно быстро вмешаться, чтобы предотвратить её?

Осложнения после операций при опухолях головного мозга

Опухоли головного и спинного мозга относятся к числу наиболее разрушительных заболеваний в мире, ежегодно вызывая сотни тысяч новых случаев и смертей. Хирургическое вмешательство часто является ключевым этапом лечения, позволяя врачам удалить максимально возможную часть опухоли в безопасных пределах. Тем не менее даже при успешной операции серьёзные осложнения — кровотечение, инфекция, накопление жидкости или отёк — могут вынудить хирургов повторно оперировать в течение месяца. Такие неплановые повторные операции вызывают стресс, связаны с риском и высокими расходами и используются во многих странах как показатель качества хирургии. В литературе частота у пациентов с опухолями головного мозга колеблется примерно от 3 до 17 процентов, но до сих пор у врачей были лишь приблизительные инструменты для оценки, кто находится в группе повышенного риска.

Преобразование больничных записей в предупреждения

Команда исследователей проанализировала электронные записи 825 взрослых пациентов, перенёсших операции по удалению внутричерепных опухолей в Первой клинической больнице Сианьского университета Цзяотун с начала 2023 по начало 2024 года. После применения строгих критериев включения в выборку попали 567 пациентов, из которых 49 (примерно 9 процентов) потребовали неплановой повторной операции в течение 30 дней. Ученые разделили эту когорту на большую обучающую и меньшую тестовую выборки и подали десятки рутинных клинических данных в несколько компьютерных методов прогнозирования. Среди этих данных были возраст, пол, сопутствующие заболевания (например, гипертония и диабет), краткая шкала «дробности» (frailty), отражающая общую устойчивость, тип и локализация опухоли в мозге, а также характеристики самой операции, например её продолжительность и перевод пациента в отделение интенсивной терапии.

Поиск наиболее информативных подсказок

Чтобы не перегружать модели слабыми признаками, команда сначала использовала статистический метод LASSO для отсева наиболее информативных предикторов. В результате осталось 11 ключевых факторов, включая продолжительность операции, локализацию опухоли, её тип, доброкачественность или злокачественность, индекс дробности, диабет, сердечную недостаточность и необходимость в интенсивной терапии. Были построены и сопоставлены пять различных подходов к прогнозированию — от привычной логистической регрессии до более сложных методов машинного обучения, таких как случайный лес и градиентный бустинг. Удивительно, но лучшей оказалась самая простая модель — логистическая регрессия. Она корректно разделяла пациентов на группы с высоким и низким риском с мерой точности (AUC) 0,84 в обучающей выборке и 0,77 в тестовой, а предсказанные риски хорошо соответствовали реальным исходам.

Делаем «чёрные ящики» понятными

Врачи обоснованно настороженно относятся к компьютерным системам, дающим ответы без объяснений. Чтобы раскрыть этот «чёрный ящик», исследователи применили метод SHAP, который показывает, как каждый фактор повышает или понижает риск для конкретного пациента. В масштабах всей выборки наиболее сильными сигналами неблагополучия были более длительные операции, опухоли в труднодоступных участках, более высокие показатели дробности и злокачественные типы опухолей. У постели больного диаграммы SHAP для отдельных пациентов позволяли, например, увидеть, как короткая операция и низкая дробность компенсируют другие факторы, или как сочетание долгой операции, диабета и пребывания в реанимации резко повышает риск. Для практического применения команда завернула итоговую модель в простой веб-инструмент: клиницисты могут ввести 11 признаков в момент выхода пациента из операционной и сразу получить оценку риска вместе с наглядным разбором причин.

Что это значит для пациентов и команд ухода

Исследование показывает, что информация, уже собираемая в повседневной госпитальной практике, может быть преобразована в ясный и понятный балл риска неплановой второй операции на мозге. Хотя работа выполнена в одном центре и требует внешней валидации в других больницах и странах, она указывает на будущее, в котором хирургические бригады смогут быстро отмечать уязвимых пациентов, наблюдать за ними более внимательно и корректировать план лечения, чтобы предупреждать серьёзные осложнения. Для пациентов и их семей это может означать меньше неприятных сюрпризов после и без того тяжёлой операции, более короткую госпитализацию и большую вероятность того, что одна операция окажется достаточной.

Цитирование: Ye, X., Li, H., Zhang, X. et al. Development and validation of an interpretable prediction model for the risk of unplanned reoperation in patients underwent intracranial tumor surgery. Sci Rep 16, 14448 (2026). https://doi.org/10.1038/s41598-026-43594-6

Ключевые слова: операция при опухоли головного мозга, неплановая повторная операция, прогнозирование риска, машинное обучение, дробность (frailty)