内視鏡的椎間板 切除術に基づく 機械学習によるL5-S1腰椎椎間板ヘルニアの再発予測

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

doi:10.3791/68550

このコンテンツを表示するには、JoVEへの購読が必要です。または、無料トライアルをお申し込みください。

研究記事

内視鏡的椎間板切除術に基づく機械学習によるL5-S1腰椎椎間板ヘルニアの再発予測

905 回視聴

⸱

DOI:

10.3791/68550

⸱

2025年7月11日

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

この記事について

サマリー

PEID手術後のL5-S1椎間板ヘルニアの再発を予測するために機械学習モデルが開発され、309人の患者のデータを分析しました。主要な予測因子にはBMIとPDHIが含まれ、ランダムフォレストモデルと極限勾配ブースティングモデルが最高のパフォーマンスを示しました。

要約

本研究は、L5-S1腰椎椎間板ヘルニアの低侵襲治療である経皮的内視鏡的層間椎間板切除術(PEID)後のL5-S1レベルの再発腰椎間板ヘルニア(rLDH)を予測するための機械学習(ML)モデルを開発することを目的としています。2020年1月から2024年6月の間に単レベルL5-S1 PEIDを受け、少なくとも6カ月間の追跡調査を行った309人の患者のデータを分析した。臨床記録、術前画像、およびビジュアルアナログスケール(VAS)スコアを使用しました。LASSO回帰は主要な予測変数を特定し、サポートベクターマシン(SVM)、決定木(DT)、適応ブースティング(ADA)、光勾配ブースティングマシン(LGBM)、ランダムフォレスト(RF)、および極度勾配ブースティング(XGB)の6つのMLモデルを構築しました。患者のうち、10.7% が rLDH を経験しました (これは ≥60% の VAS 減少と定義され、その後症状が再発し、画像が確認されました。主な予測因子には、ボディマス指数(BMI)、後椎間板高さ指数(PDHI)、脊柱管狭窄症、疾患の期間、しびれまたは脱力感、モーディック変化、ヘルニアの種類、および糖尿病が含まれていました。RF モデルと XGB モデルが最高のパフォーマンスを発揮しました。BMIの上昇、PDHIの上昇、脊柱管狭窄症、6か月以上の疾患期間、Modicの変化、非封じ込めヘルニア、および糖尿病はrLDHリスクを増加させました。変数の重要度は、両方のモデルでランク付けされました。術前にrLDHを予測することで、MLモデルの精度を向上させ、重大なリスク要因を特定することで、PEID後の意思決定を強化し、再発リスクを減らすことができます。

概要

経皮的内視鏡的腰椎椎間板切除術 (PELD) には、経皮的内視鏡的経椎間板切除術 (PETD) や経皮的内視鏡的層間椎間椎間板切除術 (PEID) など、さまざまな技術が含まれており、病変の位置と患者の個々の解剖学的特性に応じて外科的アプローチを選択できます¹.再発性腰椎椎間板ヘルニア (rLDH) は、PELD 後の再手術の最も一般的な理由の 1 つであり、発生率は 0% から 12.5% ^{の範囲です}^2,3。低侵襲技術として、PEIDはL5-S1レベルの椎間板ヘルニアなどの腰椎疾患の治療に広く適用されています。その利点は、最小限の外傷、短い入院期間、術後の迅速な回復などにより、臨床医と患者の両方から非常に支持されています⁴。しかし、内視鏡技術が外科的外傷を軽減し、迅速な回復を促進するという大きな利点があるにもかかわらず、一部の患者は依然として手術後の再発性椎間板ヘルニアの問題に直面しています⁵。

腰椎椎間板ヘルニアの再発は、椎間板変性の程度、後椎間板の高さ、Modic変化(終板の炎症)、および^{終板と....}