Performance d’un modèle de machine learning pour la prédiction de durée opératoire en urétéroscopie souple : étude rétrospective et monocentrique - 20/11/24
Résumé |
Introduction |
Depuis la pandémie COVID-19, le temps d’occupation des salles opératoires (TOSO) est une préoccupation majeure. Pour le limiter, l’urologue prédit subjectivement la durée opératoire totale (DO) d’une urétéroscopie souple (URSS) en se basant principalement sur le diamètre maximal (DM) du calcul. « Kidney Stone Calculator » (KSC) permet de prédire la durée de lithotritie en URSS à partir du scanner abdominopelvien (TDM-AP) préopératoire. Cette étude a évalué la performance prédictive de la DO en URSS d’un algorithme de machine learning (ML) utilisant KSC (DO-KSC).
Méthodes |
Étude rétrospective monocentrique incluant des patients consécutifs traités par URSS pour calculs rénaux avec TDM-AP préopératoire. La prédiction de DO par l’urologue lors de la consultation préopératoire (DO-DM), la durée opératoire totale effective (DO-E) et les paramètres peropératoires étaient recueillis. L’algorithme de ML utilisait comme variables le TDM-AP (volume lithiasique total segmenté, densité (unités Hounsfield [UH]), localisation) et le matériel utilisé (gaine d’accès, panier, type et paramétrage laser). Après normalisation des données, les patients étaient répartis aléatoirement en groupes pour l’entraînement (n=80) ou la validation de l’algorithme (n=20), avant un test sur l’intégralité de la cohorte. L’objectif principal était de comparer les performances de DO-DM et de DO-KSC pour prédire la DO-E, les objectifs secondaires étaient de décrire les paramètres influençant le statut sans fragment résiduel endoscopique (SFEndo).
Résultats |
L’âge médian était de 65 (48–72) ans, 57 % des patients avaient un calcul unique, dans 44 % des cas le calcul était pyélique et dans 30 % caliciel inférieur. Les moyennes de DM, volumes, et densité étaient de 12,1±4,6mm, 1160±1333mm3 et 1180±426UH, respectivement. La DO-E moyenne était de 76,7±28min, différant de la DO-DM (39±34 %, p=0,016), mais sans différence avec DO-KSC (18±20 %, p=0,28). La corrélation entre DO-E et DO-KSC était significativement plus forte qu’avec DO-DM (r=0,77 vs 0,38 respectivement, z=−4,48, p<0,0001). Quatre-vingt-trois patients (83 %) étaient SFendo, et le volume lithiasique avait un impact négatif sur le SFEndo (ORs du volume, DM, nombre et densité à 0,90 [0,85–0,94], 0,81 [0,72–0,91], 0,34 [0,11–0,99] et 0,87 [0,75–0,99], respectivement). À l’imagerie de suivi, 52,6 % étaient SF.
Conclusion |
L’utilisation d’un algorithme de machine learning utilisant le volume lithiasique et la prédiction de durée de lithotritie de KSC permet une prédiction significativement plus précise de la durée opératoire de l’urétéroscopie que l’utilisation du diamètre maximal. Ce modèle devra être étudié prospectivement afin de valider ces premières données (Tableau 1, Tableau 2, Tableau 3).
Le texte complet de cet article est disponible en PDF.Plan
Vol 34 - N° 7S
P. S9-S10 - novembre 2024 Retour au numéroBienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?