「读·整形」AI预测假体重建术后感染是否可靠？

「读·整形」文献阅读读书会活动由浙江省人民医院整形外科吴溯帆教授科室团队发起，至今已举办5年，旨在培养年轻医生的文献阅读能力、掌握最新学科动态。团队将从《整形与重建外科》（ and ）、《美容整形外科》（ ）等杂志上的精心挑选出一些具有超高临床价值的文章。《今日整形》特别邀请科室团队与大家分享讨论整形外科各领域的代表研究，本期由赵烨医师带来关于应用人工智能模型预测假体重建后的假体周围感染和取出。

假体周围感染是假体乳房再造术最常见的并发症，发生率高达35%。感染和随后的手术取出会导致医疗费用显著增加和生活质量下降，给患者和外科医生带来了巨大的困扰。

发表在《整形与重建外科》（ and ）杂志一篇研究报告1，开发、验证并评估了9种不同的机器学习（ML）算法用于预测假体乳房再造术后假体周围感染和取出情况，还比较了传统统计模型和ML在识别感染和取出的预测因素方面的性能。

尽管假体设计和手术技术有所改进，但基于假体乳房再造术后假体周围感染和取出率仍然相对较高。人工智能是一种极其强大的预测工具，作者试图开发、验证和评估ML算法用于预测假体乳房再造术并发症的使用。

研究回顾性分析2018年1月-2019年12月接受假体乳房再造手术患者的临床资料，将患者数据随机分为训练组（80%）和测试组 （20%）。训练数据用于教学ML预测术后并发症。测试数据用于验证，并在训练完成前对ML模型进行盲化。为了确保一致性，使用监督学习的ML模型来预测感染和取出，并使用个体预后或诊断的多变量预测模型透明报告（）方法报告结果。

研究共纳入481例患者（694次重建），平均年龄50.0±11.5岁，平均体重指数26.7±4.8 kg/m²，中位随访时间16.1个月。113例（16.3%）假体重建术后发生了假体周围感染，其中82例（11.8%）需要取出假体。ML在预测假体周围感染和移植方面表现出良好的辨别能力,（受试者操作特征曲线下面积分别为0.73和0.78），并分别确定了9个假体周围感染和12个假体取出的重要预测因素。

综上所述，使用现成的围手术期临床数据训练的ML算法准确预测假体乳房再造术后假体周围感染和取出。作者的研究结果支持将ML模型纳入假体乳房再造术患者的围手术期评估，以提供数据驱动的、针对患者的风险评估，帮助个性化的患者咨询、共享决策和术前优化。

参考文献：

1.Abbas M ， -，Malke Asaad， ，Jun Liu，Jesse C ， E . to and -Based . and .2023 Nov 1;152(5):929-938.doi: 10.1097/PRS.10345.