Раннее выявление кандидатов на хирургическое лечение эпилепсии: многоцентровое проспективное исследование валидации метода машинного обучения

Введение и цель: Хирургическое лечение эпилепсии часто откладывается. Ранее мы разработали модели машинного обучения для более раннего выявления кандидатов на резекционное хирургическое лечение эпилепсии. В настоящем исследовании представлены результаты их проспективной валидации.

Методы: В этом многоцентровом проспективном продольном когортном исследовании валидировали модели случайного леса в детском центре эпилепсии, включавшем 2 больницы и 14 амбулаторных неврологических клиник, а также во взрослом центре эпилепсии, включавшем 2 больницы и 27 амбулаторных неврологических клиник. Для выявления кандидатов на хирургическое лечение модели использовали записи неврологических визитов, заключения ЭЭГ и МРТ, особенности посещения медицинских учреждений, госпитализации, а также назначения лекарственных препаратов, лабораторных исследований и процедур. Модели обучали на исторических данных, собранных до 10 мая 2019 года. Пациентов с диагнозом эпилепсии по МКБ-10, посещавших медицинские учреждения с 11 мая 2019 года по 10 мая 2020 года, отбирали с помощью алгоритма и оценивали по вероятности соответствия критериям хирургического лечения. Основным исходом была площадь под кривой (AUC), которую рассчитывали путем сравнения оценок пациентов, перенесших операцию по поводу эпилепсии до 10 ноября 2020 года, с оценками пациентов, которым хирургическое лечение не проводили. Карты пациентов без хирургического лечения изучали, чтобы определить, были ли пациенты с высокими оценками с большей вероятностью пропущенными кандидатами на операцию. Задержку до операции определяли как период между первым визитом, на котором алгоритм выявил пациента как кандидата на хирургическое лечение, и датой операции.

Результаты: Всего для обучения алгоритмов машинного обучения включили 5285 детей и 5782 взрослых. В течение периода исследования резекционное хирургическое лечение эпилепсии проведено 41 ребенку и 23 взрослым. В детской когорте AUC составила 0,91 (95% ДИ 0,87–0,94), положительная прогностическая ценность — 0,08 (0,05–0,10), отрицательная прогностическая ценность — 1,00 (0,99–1,00). Во взрослой когорте AUC составила 0,91 (0,86–0,97), положительная прогностическая ценность — 0,07 (0,04–0,11), отрицательная прогностическая ценность — 1,00 (0,99–1,00). Алгоритмы впервые выявляли пациентов медианно за 2,1 года до операции (межквартильный размах [МКР] 1,2–4,9 года; максимум 11,1 года) и за 1,3 года до предоперационного обследования (МКР 0,3–4,0 года; максимум 10,1 года).

Обсуждение: Алгоритмы машинного обучения позволяют выявлять кандидатов на хирургическое лечение на более ранних этапах заболевания. Даже в специализированных центрах эпилепсии сохраняются возможности сократить время до операции.

Класс доказательности: Исследование предоставляет доказательства класса II того, что алгоритм машинного обучения способен точно отличать пациентов с эпилепсией, которым требуется резекционное хирургическое лечение, от пациентов, которым оно не требуется.