Прогнозирование риска в хирургии позвоночника: обзор традиционных моделей, искусственного интеллекта и проблемы клинической трансляции

ОБОСНОВАНИЕ: Точная периоперационная стратификация риска имеет ключевое значение для безопасности пациентов и информированного согласия при хирургических вмешательствах на позвоночнике. Традиционные показатели риска, основанные на регрессионных моделях, широко применяются, однако обладают умеренной прогностической эффективностью, тогда как методы искусственного интеллекта и машинного обучения (ИИ/МО) все чаще используются для прогнозирования хирургического риска. В этом обзоре обобщены данные о моделях прогнозирования риска в хирургии позвоночника, сопоставлены традиционные подходы с методами ИИ/МО и выявлены основные препятствия для трансляции результатов в клиническую практику. МЕТОДЫ: Проведен структурированный поиск литературы в основных биомедицинских базах данных с использованием сочетаний терминов, связанных с хирургией позвоночника, прогнозированием риска, периоперационными исходами и ИИ, а также дополнительных концептуальных поисковых запросов, ориентированных на объяснимость, валидацию и клиническую трансляцию. В анализ включались исследования, соответствующие тематике прогнозирования риска у взрослых пациентов при хирургии позвоночника, разработки или валидации моделей, а также методологических или трансляционных аспектов. С учетом значительной неоднородности дизайна исследований и исходов результаты были качественно синтезированы с использованием нарративного подхода. РЕЗУЛЬТАТЫ: Традиционные специфичные для хирургии позвоночника модели риска демонстрируют удовлетворительную или хорошую дискриминационную способность для распространенных исходов; типичные значения площади под кривой рабочих характеристик приемника (AUC) составляют приблизительно от 0,64 до 0,78. В моделях ИИ/МО часто сообщается об умеренном улучшении дискриминации по сравнению с регрессионными подходами, особенно для распространенных исходов, таких как госпитализация в отделение интенсивной терапии (ОИТ) и летальный исход, однако эти преимущества непостоянны и зависят от контекста. Для обоих типов моделей существенными проблемами остаются внешняя валидация, дрейф калибровки, ограниченность проспективных данных об исходах, а также вопросы интерпретируемости и интеграции в рабочие процессы. ВЫВОДЫ: Традиционные модели риска сохраняют интерпретируемость, доверие клиницистов и конкурентоспособную прогностическую эффективность для многих исходов хирургии позвоночника. Хотя методы ИИ/МО расширяют возможности интеграции данных и моделирования взаимодействий, их клиническое влияние ограничивается валид...