Narzędzia prognostyczne w ostrym zapaleniu trzustki

Ocena rokowania w ostrym zapaleniu trzustki od ponad 30 lat stanowi przedmiot intensywnych badań1. Opracowano wiele systemów punktacji i biomarkerów, które mają pomóc klinicystom w wczesnej identyfikacji pacjentów wysokiego ryzyka i odpowiednim doborze leczenia2.

Klasyczne systemy punktacji

Ocena ciężkości w ostrym zapaleniu trzustki została po raz pierwszy rozpoczęta w 1974 roku przez Ransona i współpracowników3. Od tego czasu zdefiniowano inne wieloczynnikowe systemy punktacji wykorzystujące wspólne parametry kliniczne i biochemiczne do przewidywania ciężkości3.

Kryteria Ransona, system punktacji Imrie, skala APACHE II (Acute Physiology and Chronic Health Evaluation) oraz wskaźnik ciężkości tomografii komputerowej zostały opracowane i zwalidowane do przewidywania niekorzystnych wyników, w tym śmiertelności, u pacjentów z zapaleniem trzustki4. System punktacji Ransona przewiduje różne poziomy śmiertelności: 0-2 punkty – 2% śmiertelność, 3-4 punkty – 15% śmiertelność, 5-6 punktów – 40% śmiertelność, 7-8 punktów – 100% śmiertelność5.

Współczesne systemy punktacji

Nowszy system punktacji opracowany do użytku w pierwszych 24 godzinach hospitalizacji to BISAP (Bedside Index of Severity in Acute Pancreatitis)6. Ten pięcioczynnikowy system punktacji wykazał podobną dokładność do APACHE II w przewidywaniu śmierci w początkowym badaniu retrospektywnym i w kilku kolejnych prospektywnych badaniach kohortowych6.

Ważne: Systemy punktacji BISAP mogą być przydatne do identyfikacji pacjentów, którzy najprawdopodobniej skorzystają z ukierunkowanego protokołu resuscytacji płynowej. Ich główną zaletą jest możliwość zastosowania już w pierwszych 24 godzinach hospitalizacji.

Skala APACHE II z wynikiem 8 lub więcej punktów przewiduje śmiertelność 11-18%5. System Glasgow jest ważny zarówno dla zapalenia trzustki wywołanego kamieniem żółciowym, jak i alkoholem, podczas gdy system Ransona jest tylko dla zapalenia trzustki wywołanego alkoholem5.

Ograniczenia obecnych systemów

Pomimo szerokiego zastosowania, obecne modele predykcyjne mają niską specyficzność, co w połączeniu z wysokimi wskaźnikami fałszywie dodatnimi i niską częstością występowania umiarkowanie ciężkich i ciężkich postaci, skutkuje niskimi dodatnimi wartościami predykcyjnymi7. Istnieje potrzeba identyfikacji markerów predykcyjnych lub narzędzi, które są dokładne w prognozowaniu zarówno umiarkowanie ciężkich, jak i ciężkich postaci w pierwszych 24-72 godzinach7.

Chociaż kilka systemów punktacji zostało opracowanych do przewidywania ciężkiego ostrego zapalenia trzustki, dowody na ich wydajność predykcyjną są zmienne i niespójne2. Formalna synteza badań dostarczających dowodów na zdolność predykcyjną różnych dostępnych systemów punktacji pokazuje, które systemy są bardziej niezawodne w rutynowej opiece2.

Biomarkery w ocenie rokowania

Biomarker został zdefiniowany przez National Institutes of Health jako charakterystyka, która jest obiektywnie mierzona i oceniana jako wskaźnik normalnych procesów biologicznych, procesów patogennych lub odpowiedzi farmakologicznych na interwencję terapeutyczną8. Ostatnie dane sugerują, że seryjny pomiar poziomów mocznika we krwi jest najbardziej użytecznym rutynowym testem laboratoryjnym do określania ryzyka śmierci6.

Badano również kilka markerów ogólnoustrojowego stanu zapalnego jako potencjalnych biomarkerów pomagających przewidywać wyniki ostrego zapalenia trzustki6. Wartość prognostyczna adipokin, takich jak leptyna, adiponektyna, rezystyna i wisfatyna, jest mniej zbadana9. Jedynie poziomy rezystyny przy przyjęciu mogą służyć jako wczesny predyktor ciężkiego ostrego zapalenia trzustki9.

Nowoczesne podejścia i sztuczna inteligencja

Najnowsze osiągnięcia sztucznej inteligencji (AI) zapewniają nowe możliwości poprawy wydajności przez analizowanie ogromnych ilości danych klinicznych i obrazowych10. Algorytmy AI mogą analizować duże ilości danych klinicznych i obrazowych, identyfikować wzorce systemów punktacji i przewidywać przebieg kliniczny choroby10.

Modele uczenia maszynowego, szczególnie Random Forest, znacząco przewyższają tradycyjne systemy punktacji kliniczne w przewidywaniu niekorzystnych wyników w ostrym zapaleniu trzustki11. Podczas gdy BISAP i zmodyfikowany Glasgow wykazały pewną użyteczność, ich ogólna skuteczność była niższa, szczególnie w porównaniu z podejściami uczenia maszynowego11.

Przyszłość diagnostyki: Predyktory takie jak mleczan, glukoza, mocznik i wiek oceniają rokowanie ostrego zapalenia trzustki znacznie skuteczniej niż tradycyjne metody punktacji i mogą być wykorzystywane w oddziałach ratunkowych do szybkiej oceny ryzyka.

Praktyczne zastosowanie w medycynie ratunkowej

Te predyktory mogą łatwo określić wymagania dotyczące intensywnej opieki i ryzyka śmiertelności ostrego zapalenia trzustki w oddziale ratunkowym we wczesnym okresie11. Integracja zaawansowanych modeli uczenia maszynowego do praktyki klinicznej może zwiększyć dokładność i niezawodność przewidywania niekorzystnych wyników w ostrym zapaleniu trzustki11.

Modele oparte na AI wykazały obiecujące wyniki w przewidywaniu ciężkości i śmiertelności ostrego zapalenia trzustki, ale wymagana jest dalsza walidacja i standaryzacja przed szerokim zastosowaniem klinicznym10. Wczesne przewidywanie ciężkiego ostrego zapalenia trzustki o wysokiej śmiertelności pozostaje wyzwaniem ze względu na ograniczoną dokładność obecnych narzędzi predykcyjnych i złożone cechy kliniczne12.

Pytania i odpowiedzi

Który system punktacji jest najskuteczniejszy?

Współcześnie BISAP i APACHE II wykazują podobną skuteczność w przewidywaniu śmiertelności. Jednak najnowsze badania wskazują, że modele uczenia maszynowego przewyższają tradycyjne systemy punktacji.

Jakie parametry laboratoryjne są najważniejsze prognostycznie?

Najważniejsze to mleczan, glukoza, mocznik (BUN) i wiek. Seryjny pomiar mocznika jest obecnie uważany za najbardziej użyteczny rutynowy test do określania ryzyka śmierci.

Czy biomarkery są lepsze od systemów punktacji?

Biomarkery mogą uzupełniać systemy punktacji, ale większość z nich ma ograniczoną wartość prognostyczną. Jedynie rezystyna może służyć jako wczesny predyktor ciężkiej postaci choroby.

Kiedy najlepiej przeprowadzać ocenę prognostyczną?

Optymalne jest przeprowadzenie oceny w pierwszych 24 godzinach hospitalizacji. BISAP został specjalnie opracowany do użytku w tym okresie, co czyni go szczególnie praktycznym.

Jaką rolę odgrywa sztuczna inteligencja?

Modele AI, szczególnie Random Forest, znacząco przewyższają tradycyjne systemy w przewidywaniu wyników. Mogą analizować większe ilości danych i identyfikować skomplikowane wzorce prognostyczne.

Reklama
Reklama