La prédiction de la récidive de la hernie discale lombaire en L5-S1 par apprentissage automatique basée sur la discectomie endoscopique via l’approche interlaminaire

Jinyu Chen; Yanyan Fan; Peng Liu; Zhiming Cui; Jiajia Chen

doi:10.3791/68550

Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de recherche

La prédiction de la récidive de la hernie discale lombaire en L5-S1 par apprentissage automatique basée sur la discectomie endoscopique via l’approche interlaminaire

965 vues

⸱

DOI :

10.3791/68550

⸱

11 juillet 2025

Jinyu Chen¹^,² , Yanyan Fan³ , Peng Liu¹^,⁴ , Zhiming Cui¹^,⁴ , Jiajia Chen¹^,⁴

¹Department of Spine Surgery, Affiliated Hospital 2 of Nantong University, ²Nantong Clinical Medical College of Kangda College of Nanjing Medical University, ³Nantong Hospital to Nanjing University of Chinese Medicine, ⁴Research Institute for Spine and Spinal Cord Disease of Nantong University

Dans cet article

Résumé

Des modèles d’apprentissage automatique ont été développés pour prédire la récidive de l’hernie discale L5-S1 après une chirurgie PEID, en analysant les données de 309 patients. Les principaux prédicteurs comprenaient l’IMC et le PDHI, les modèles de forêt aléatoire et de gradient extrême affichant les meilleures performances.

Résumé

Cette étude visait à développer des modèles d’apprentissage automatique (ML) pour prédire la hernie discale lombaire récurrente (rLDH) de niveau L5-S1 après une discectomie interlaminaire endoscopique percutanée (PEID), un traitement peu invasif de la hernie discale lombaire L5-S1. Les données de 309 patients ayant subi un PEID L5-S1 à un seul niveau entre janvier 2020 et juin 2024, avec au moins 6 mois de suivi, ont été analysées. Les dossiers cliniques, l’imagerie préopératoire et les scores de l’échelle visuelle analogique (EVA) ont été utilisés. La régression LASSO a identifié des prédicteurs clés, et six modèles ML ont été construits : machine à vecteurs de support (SVM), arbre de décision (DT), boosting adaptatif (ADA), machine de boosting de gradient de lumière (LGBM), forêt aléatoire (RF) et boosting de gradient extrême (XGB). Parmi les patients, 10,7 % ont présenté une rLDH, définie comme une réduction de ≥60 % de l’EVA suivie d’une récidive des symptômes et d’une confirmation par imagerie. Les principaux prédicteurs comprenaient l’indice de masse corporelle (IMC), l’indice de hauteur du disque postérieur (PDHI), la sténose du canal rachidien, la durée de la maladie, l’engourdissement ou la faiblesse, les changements modiques, le type de hernie et le diabète. Les modèles RF et XGB ont obtenu les meilleurs résultats. Un IMC plus élevé, une PDHI plus élevée, une sténose du canal rachidien, une durée de la maladie sur six mois, des changements modiques, une hernie non contenue et le diabète ont augmenté le risque de rLDH. L’importance variable a été classée pour les deux modèles. La prédiction de la rLDH avant l’opération peut améliorer la prise de décision et réduire le risque de récidive après l’IED, les modèles de ML améliorant la précision et l’identification des facteurs de risque critiques.

Introduction

La discectomie lombaire endoscopique percutanée (PELD) englobe diverses techniques, telles que la discectomie transforaminale endoscopique percutanée (PETD) et la discectomie interlaminaire endoscopique percutanée (PEID), le choix de l’approche chirurgicale dépendant de l’emplacement de la lésion et des caractéristiques anatomiques individuelles du patient¹. La hernie discale lombaire récurrente (rLDH) est l’une des raisons les plus courantes de réopération après une PELD, avec une incidence allant de 0 % à 12,5 %^2,3. En tant que technique peu invasive,....