No hay instrumentos disponibles para predecir preoperatoriamente el riesgo de insuficiencia hepática posthepatectomía (PHLF) en pacientes con CHC. El objetivo fue predecir la aparición de PHLF preoperatoriamente mediante radiómica y datos clínicos a través de algoritmos de aprendizaje automático.
Se recopilaron retrospectivamente datos clínicos y tomografías computarizadas de 3 fases entre 13 centros italianos entre 2008 y 2022. Se extrajeron características radiómicas en el área del hígado no tumoral. Los datos se dividieron entre conjuntos de entrenamiento (70 %) y prueba (30 %). Se ejecutó un sobremuestreo (ADASYN) en el conjunto de entrenamiento. Se ajustaron modelos de Random-Forest (RF), extreme gradient boosting (XGB) y support vector machine (SVM) para predecir PHLF. La evaluación final de las métricas se ejecutó en el conjunto de prueba. Los mejores modelos se incluyeron en un modelo de conjunto promediado (AEM).
Se recopilaron quinientas tomografías computarizadas preoperatorias consecutivas con los datos clínicos relativos. De ellos, 17 (3,4 %) experimentaron una PHLF. Se extrajeron doscientos dieciséis características radiómicas por paciente. PCA seleccionó 19 dimensiones que explicaban >75 % de la varianza. Las variables clínicas asociadas fueron: tamaño, invasión macrovascular, cirrosis, resección mayor y puntuación MELD. Los datos se dividieron en una cohorte de entrenamiento (70 %, n = 351) y una cohorte de prueba (30 %, n = 149). El modelo RF obtuvo un AUC = 89,1 % (Espec. = 70,1 %, Sens. = 100 %, exactitud = 71,1 %, VPP = 10,4 %, VPN = 100 %). El modelo XGB mostró un AUC = 89,4 % (Espec. = 100 %, Sens. = 20,0 %, exactitud = 97,3 %, VPP = 20 %, VPN = 97,3 %). El AEM combinó el modelo XGB y RF, obteniendo un AUC = 90,1 % (Espec. = 89,5 %, Sens. = 80,0 %, exactitud = 89,2 %, VPP = 21,0 %, VPN = 99,2 %).
El AEM obtuvo los mejores resultados en términos de discriminación e identificación de verdaderos positivos. Esto podría llevar a definir mejor a los pacientes aptos o no aptos para la resección hepática.
