膵頭十二指腸切除術患者における術後合併症予測のための深層ニューラルネットワークの価値評価
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Assessing the value of deep neural networks for postoperative complication prediction in pancreaticoduodenectomy patients.
雑誌名：PLoS One. 2024; 19(12): e0316402.
概 要：
膵管腺癌（PDAC）患者に対する膵頭十二指腸切除術（PD）は、高い術後合併症リスクを伴います。本研究では、転移学習を用いた新しい深層学習ネットワークアプローチが、従来の手法よりも術後合併症リスク予測において優れていると仮定しました。米国の国家外科品質改善プログラム（NSQIP）からのデータを用い、5,881,881人の患者の中から31,728人のPD患者を対象に、複数のモデルを比較しました。結果として、転移学習モデルが従来のモデルよりも優れた予測能力を示しました。
方 法：
この研究は、2002年から2018年までの米国国家外科品質改善プログラム（NSQIP）のデータを使用し、5,881,881人の患者の中から31,728人の膵頭十二指腸切除術患者を対象としました。モデルには、一般外科患者コホートで訓練された後、PD特有のコホートでテストされた一般モデル、一般外科患者で訓練された後にPD特有の患者コホートで再訓練された転移学習モデル、PD特有の患者コホートでのみ訓練・テストされた直接モデル、PD患者コホートで訓練されたベンチマークのランダムフォレストモデルが含まれます。これらのモデルは、アメリカ外科医大学（ACS）の外科リスク計算機（SRC）と比較されました。
結 果：
一般モデルと転移学習モデルは、それぞれ14および16の予測タスクでランダムフォレストモデルを上回りました。また、両モデルは直接モデルに対して17のタスクで優れた結果を示しました。転移学習モデルは、一般モデルに対して11のタスクで優れた結果を示し、死亡率予測においてはACS-SRCを上回りました。一般モデルは、ACS-SRCの0.524に対し、最高のROC-AUCである0.668を達成しました。
結 論：
転移学習アプローチを用いた深層ニューラルネットワークは、膵頭十二指腸切除術における術後合併症リスク予測において有用である可能性が示されました。