EASY-APP: An artificial intelligence model and application for early and easy prediction of severity in acute pancreatitis

Kui, Balázs [Kui, Balázs (Gasztroenterológia), szerző] I. sz. Belgyógyászati Klinika (SZTE / SZAOK / BK); Pintér, József [Pintér, József (Matematika, Adatt...), szerző] Sztochasztika Tanszék (BME / TTK / MI); Molontay, Roland [Molontay, Roland (adattudomány, hál...), szerző] MTA-BME Sztochasztika Kutatócsoport (BME / TTK / MI / SZT); Sztochasztika Tanszék (BME / TTK / MI); Nagy, Marcell [Nagy, Marcell (gépi tanulás, hál...), szerző] Sztochasztika Tanszék (BME / TTK / MI); Farkas, Nelli [Borbásné Farkas, Kornélia (Membránbiokémia, ...), szerző] Bioanalitikai Intézet (PTE / ÁOK); Transzlációs Medicina Intézet (PTE / ÁOK); Transzlációs medicina kutatócsoport (PTE / SZKK); Gede, Noémi [Gede, Noémi (Egészségtudomány), szerző] Szentágothai János Kutatóközpont (PTE); Transzlációs Medicina Intézet (PTE / ÁOK); Vincze, Áron [Vincze, Áron (Klinikai gasztroe...), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Bajor, Judit [Bajor, Judit (Gasztroenterológia), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Gódi, Szilárd [Gódi, Szilárd (Belgyógyászat), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Czimmer, József [Czimmer, József (Belgyógyászat, ga...), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Szabó, Imre [Szabó, Imre (Belgyógyászat), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Illés, Anita [Illés, Anita (Belgyógyászat), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Sarlós, Patrícia [Sarlós, Patrícia (Gasztroenterológia), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Hágendorn, Roland [Hágendorn, Roland (Belgyógyászat, in...), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Pár, Gabriella [Pár, Gabriella (Gasztroenterológi...), szerző] I.sz. Belgyógyászati Klinika (PTE / ÁOK); Papp, Mária [Papp, Mária (Belgyógyászat, ga...), szerző] Gastroenterológiai Tanszék (DE / ÁOK / BelgyI); Belgyógyászati Intézet (DE / ÁOK); Vitális, Zsuzsanna [Vitális, Zsuzsanna (Belgyógyászat, Ga...), szerző] Gastroenterológiai Tanszék (DE / ÁOK / BelgyI); Belgyógyászati Intézet (DE / ÁOK); Kovács, György; Fehér, Eszter; Földi, Ildikó [Földi, Ildikó (orvostudomány), szerző] Belgyógyászati Intézet (DE / ÁOK); Izbéki, Ferenc [Izbéki, Ferenc (Gasztroenterológia), szerző] Belgyógyászat,Gasztroenterológia, Hepatológia (FVSZGYEOK); Gajdán, László; Fejes, Roland; Németh, Balázs Csaba [Németh, Balázs (gasztroenterológi...), szerző] I. sz. Belgyógyászati Klinika (SZTE / SZAOK / BK); Török, Imola; Farkas, Hunor; Mickevicius, Artautas; Sallinen, Ville; Galeev, Shamil; Ramírez-Maldonado, Elena; Párniczky, Andrea [Párniczky, Andrea (PhD Orvostudomány), szerző] Szentágothai János Kutatóközpont (PTE); Transzlációs Medicina Intézet (PTE / ÁOK); Erőss, Bálint [Erőss, Bálint Mihály (Gasztroenterológia), szerző] Városmajori Szív- és Érgyógyászati Klinika (SE / AOK / K); Transzlációs Medicina Intézet (PTE / ÁOK); Transzlációs medicina kutatócsoport (PTE / SZKK); Transzlációs Medicina Központ (SE / KSZE); Pankreász Betegségek Részlege (SE / AOK / K); Hegyi, Péter Jenő [Hegyi, Péter Jenő (Gasztroenterológia), szerző] Transzlációs Medicina Intézet (PTE / ÁOK); Transzlációs medicina kutatócsoport (PTE / SZKK); Pankreász Betegségek Részlege (SE / AOK / K); Márta, Katalin [Márta, Katalin (Gasztroenterológia), szerző] Transzlációs Medicina Központ (SE / KSZE); Pankreász Betegségek Részlege (SE / AOK / K); Váncsa, Szilárd [Váncsa, Szilárd (Orvostudomány, eg...), szerző] Transzlációs Medicina Intézet (PTE / ÁOK); Transzlációs medicina kutatócsoport (PTE / SZKK); Transzlációs Medicina Központ (SE / KSZE); Pankreász Betegségek Részlege (SE / AOK / K); Sutton, Robert; Szatmary, Peter; Latawiec, Diane; Halloran, Chris; de-Madaria, Enrique; Pando, Elizabeth; Alberti, Piero; Gómez-Jurado, Maria José; Tantau, Alina; Szentesi, Andrea [Szentesi, Andrea Ildikó (Pankreatológia), szerző] I. sz. Belgyógyászati Klinika (SZTE / SZAOK / BK); Transzlációs Medicina Intézet (PTE / ÁOK); Transzlációs medicina kutatócsoport (PTE / SZKK); Hegyi, Péter ✉ [Hegyi, Péter (Gasztroenterológia), szerző] Városmajori Szív- és Érgyógyászati Klinika (SE / AOK / K); Transzlációs Medicina Intézet (PTE / ÁOK); Transzlációs medicina kutatócsoport (PTE / SZKK); Transzlációs Medicina Központ (SE / KSZE); Pankreász Betegségek Részlege (SE / AOK / K); Hungarian Pancreatic Study Group [Kollaborációs szervezet]

Angol nyelvű Sokszerzős vagy csoportos szerzőségű szakcikk (Folyóiratcikk) Tudományos
Megjelent: CLINICAL AND TRANSLATIONAL MEDICINE 2001-1326 2001-1326 12 (6) Paper: e842 , 13 p. 2022
  • SJR Scopus - Medicine (miscellaneous): D1
Azonosítók
Támogatások:
  • (K131996)
  • (FK131864)
  • (K128222)
  • (FK124632)
Szakterületek:
  • Gasztroenterológia és hepatológia
  • Orvos- és egészségtudomány
Acute pancreatitis (AP) is a potentially severe or even fatal inflammation of the pancreas. Early identification of patients at high risk for developing a severe course of the disease is crucial for preventing organ failure and death. Most of the former predictive scores require many parameters or at least 24 h to predict the severity; therefore, the early therapeutic window is often missed.The early achievable severity index (EASY) is a multicentre, multinational, prospective and observational study (ISRCTN10525246). The predictions were made using machine learning models. We used the scikit-learn, xgboost and catboost Python packages for modelling. We evaluated our models using fourfold cross-validation, and the receiver operating characteristic (ROC) curve, the area under the ROC curve (AUC), and accuracy metrics were calculated on the union of the test sets of the cross-validation. The most critical factors and their contribution to the prediction were identified using a modern tool of explainable artificial intelligence called SHapley Additive exPlanations (SHAP).The prediction model was based on an international cohort of 1184 patients and a validation cohort of 3543 patients. The best performing model was an XGBoost classifier with an average AUC score of 0.81 ± 0.033 and an accuracy of 89.1%, and the model improved with experience. The six most influential features were the respiratory rate, body temperature, abdominal muscular reflex, gender, age and glucose level. Using the XGBoost machine learning algorithm for prediction, the SHAP values for the explanation and the bootstrapping method to estimate confidence, we developed a free and easy-to-use web application in the Streamlit Python-based framework (http://easy-app.org/).The EASY prediction score is a practical tool for identifying patients at high risk for severe AP within hours of hospital admission. The web application is available for clinicians and contributes to the improvement of the model.
Hivatkozás stílusok: IEEEACMAPAChicagoHarvardCSLMásolásNyomtatás
2024-07-14 18:33