基于机器学习的预测模型用于评估胆总管结石患者行内镜逆行胰胆管造影（ERCP）后发生胰腺炎的风险：一项回顾性多中心研究

　　术后胰腺炎预测模型研究：通过机器学习筛选出8个关键预测因子，构建包含血清钙、胰腺神经节切开、胰管导丝通过及球囊 dilation时长的优化模型，验证显示其AUC达0.845，灵敏度83.2%，有效提升临床预警能力。

　　

摘要

背景

胆总管结石（CBDS）是进行内镜逆行胰胆管造影（ERCP）的主要指征，然而由于多因素病因，ERCP后胰腺炎（PEP）仍是一个重要的并发症。本研究旨在确定PEP的核心预测因子，并开发出一个优化的预测模型。

方法

我们回顾性纳入了2019年3月至2024年3月期间在三个中心接受ERCP治疗的患者。使用四种机器学习（ML）算法评估了潜在的预测因子及其重要性。通过逻辑回归建立了预测模型，并对其区分能力、校准性能和临床实用性进行了评估。

结果

共有1758名患者被纳入研究：训练组（n=917）、测试组1（n=392）、验证组1（n=366）和验证组2（n=83）。PEP的发生率分别为6.7%、6.6%、10.1%和12.0%，各组之间无显著差异（p=0.063）。通过机器学习方法，确定了八个关键预测因子：年龄、直接胆红素、血清钙、γ-谷氨酰转移酶（γGT）、插管尝试次数、经胰腺预切开术、胰导丝通过情况以及内镜乳头球囊扩张（EPBD）持续时间。模型3结合了血清钙（OR: 2.50, p=0.002）、经胰腺预切开术（OR: 4.61, p<0.001）、胰导丝通过情况（OR: 3.62, p<0.001）和EPBD持续时间（OR: 2.25, p=0.009），表现出最高的AUC（0.845）和优异的敏感性（83.2%）。内部和外部验证证实了该模型的稳健性和泛化能力，展示了其出色的预测性能和临床实用性。

结论

我们利用四个关键预测因子建立并验证了一个优化的PEP预测模型，有助于提高对CBDS患者进行ERCP后的早期识别和干预。