Nouvelles de la Journée de la Santé — Les algorithmes d’apprentissage automatique (ML) peuvent prédire avec précision l’infection périprothétique et l’explantation après une reconstruction implantaire (IBR), selon une étude publiée dans le numéro de novembre de Chirurgie Plastique et Reconstructrice.
Abbas M. Hassan, MD, du MD Anderson Cancer Center de l’Université du Texas à Houston, et ses collègues ont mené une étude complète des patients ayant subi une IBR de janvier 2018 à décembre 2019 pour développer, valider et évaluer l’utilisation d’algorithmes ML pour prédire Complications IBR en utilisant des données cliniques périopératoires facilement disponibles. Neuf algorithmes de ML supervisé ont été développés ; les données des patients ont été classées en ensembles de formation et de test (80 et 20 pour cent, respectivement).
Les données ont été incluses pour 481 patients suivis pendant une durée moyenne de 16,1 mois. Les chercheurs ont découvert que 113 des reconstructions (16,3 pour cent) avaient entraîné une infection périprothétique et qu’une explantation était nécessaire pour 82 (11,8 pour cent). De bonnes performances discriminatoires ont été observées pour prédire l’infection périprothétique et l’explantation avec ML (aire sous la courbe caractéristique de fonctionnement du récepteur, 0,73 et 0,78, respectivement) ; neuf et 12 prédicteurs significatifs d’infection périprothétique et d’explantation ont été identifiés, respectivement.
« Notre étude fournit la preuve de la faisabilité, de l’efficacité et de l’applicabilité de l’intelligence artificielle pour prédire les complications de l’IBR et devrait encourager l’incorporation du ML dans l’évaluation périopératoire des patients subissant une IBR afin de fournir une évaluation des risques spécifique au patient, basée sur les données, pour aider à conseils individualisés aux patients, prise de décision partagée et optimisation préchirurgicale », écrivent les auteurs.
