Use of artificial intelligence for sepsis risk prediction after flexible ureteroscopy: a systematic review
Carregando...
Citações na Scopus
0
Tipo de produção
article
Data de publicação
2023
Título da Revista
ISSN da Revista
Título do Volume
Editora
Colégio Brasileiro de Cirurgiões
Autores
ALVES, BEATRIZ MESALIRA
CRUZ, JOSÉ ARNALDO SHIOMI DA
Citação
REVISTA DO COLéGIO BRASILEIRO DE CIRURGIõES, v.50, p.e20233561, 2023
Resumo
ABSTRACT Introduction: flexible ureteroscopy is a minimally invasive surgical technique used for the treatment of renal lithiasis. Postoperative urosepsis is a rare but potentially fatal complication. Traditional models used to predict the risk of this condition have limited accuracy, while models based on artificial intelligence are more promising. The objective of this study is to carry out a systematic review regarding the use of artificial intelligence to detect the risk of sepsis in patients with renal lithiasis undergoing flexible ureteroscopy. Methods: the literature review is in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA). The keyword search was performed in MEDLINE, Embase, Web of Science and Scopus and resulted in a total of 2,496 articles, of which 2 met the inclusion criteria. Results: both studies used artificial intelligence models to predict the risk of sepsis after flexible uteroscopy. The first had a sample of 114 patients and was based on clinical and laboratory parameters. The second had an initial sample of 132 patients and was based on preoperative computed tomography images. Both obtained good measurements of Area Under the Curve (AUC), sensitivity and specificity, demonstrating good performance. Conclusion: artificial intelligence provides multiple effective strategies for sepsis risk stratification in patients undergoing urological procedures for renal lithiasis, although further studies are needed.
RESUMO Introdução: a ureteroscopia flexível é uma técnica cirúrgica minimamente invasiva utilizada para o tratamento de litíase renal. A urosepse pós-operatória é uma complicação rara, mas potencialmente fatal. Os modelos tradicionais utilizados para prever o risco dessa condição apresentam precisão limitada, enquanto modelos baseados em inteligência artificial são mais promissores. O objetivo desse estudo é realizar uma revisão sistemática a respeito do uso de inteligência artificial para detecção do risco de sepse em pacientes com litíase renal submetidos à ureteroscopia flexível. Métodos: a revisão de literatura está de acordo com o Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA). A busca com palavras-chave foi realizada no MEDLINE, Embase, Web of Science e Scopus e resultou no total de 2.496 artigos, dos quais 2 se enquadraram nos critérios de inclusão. Resultados: os dois estudos utilizaram modelos de inteligência artificial para predizer o risco de sepse após utereroscopia flexível. O primeiro teve uma amostra de 114 pacientes e foi baseado em parâmetros clínicos e laboratoriais. O segundo teve uma amostra inicial de 132 pacientes e foi baseado em imagens de tomografia computadorizada no pré-operatório. Ambos obtiveram boas medidas de Area Under the Curve (AUC), sensibilidade e especificidade, demonstrando boa performance. Conclusão: a inteligência artificial fornece múltiplas estratégias eficazes para estratificação do risco de sepse em pacientes submetidos a procedimentos urológicos para litíase renal, ainda que mais estudos sejam necessários.
RESUMO Introdução: a ureteroscopia flexível é uma técnica cirúrgica minimamente invasiva utilizada para o tratamento de litíase renal. A urosepse pós-operatória é uma complicação rara, mas potencialmente fatal. Os modelos tradicionais utilizados para prever o risco dessa condição apresentam precisão limitada, enquanto modelos baseados em inteligência artificial são mais promissores. O objetivo desse estudo é realizar uma revisão sistemática a respeito do uso de inteligência artificial para detecção do risco de sepse em pacientes com litíase renal submetidos à ureteroscopia flexível. Métodos: a revisão de literatura está de acordo com o Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA). A busca com palavras-chave foi realizada no MEDLINE, Embase, Web of Science e Scopus e resultou no total de 2.496 artigos, dos quais 2 se enquadraram nos critérios de inclusão. Resultados: os dois estudos utilizaram modelos de inteligência artificial para predizer o risco de sepse após utereroscopia flexível. O primeiro teve uma amostra de 114 pacientes e foi baseado em parâmetros clínicos e laboratoriais. O segundo teve uma amostra inicial de 132 pacientes e foi baseado em imagens de tomografia computadorizada no pré-operatório. Ambos obtiveram boas medidas de Area Under the Curve (AUC), sensibilidade e especificidade, demonstrando boa performance. Conclusão: a inteligência artificial fornece múltiplas estratégias eficazes para estratificação do risco de sepse em pacientes submetidos a procedimentos urológicos para litíase renal, ainda que mais estudos sejam necessários.
Palavras-chave
Ureteroscopy, Sepsis, Artificial Intelligence, Nephrolithiasis, Machine Learning, Ureteroscopia, Sepse, Inteligência Artificial, Nefrolitíase, Aprendizado de Máquina
Referências
- Aminsharifi A, 2020, J ENDOUROL, V34, P692, DOI 10.1089/end.2019.0475
- Blackmur JP, 2016, J ENDOUROL, V30, P963, DOI 10.1089/end.2016.0300
- Blum ES, 2018, J UROLOGY, V199, P847, DOI 10.1016/j.juro.2017.09.147
- Bozzini G, 2021, RES REP UROL, V13, P63, DOI 10.2147/RRU.S277049
- Chen MZ, 2022, EUR RADIOL, V32, P8540, DOI 10.1007/s00330-022-08882-5
- Corrales M, 2022, EUR UROL OPEN SCI, V44, P84, DOI 10.1016/j.euros.2022.08.008
- Doizi S, 2018, UROLITHIASIS, V46, P47, DOI 10.1007/s00240-017-1030-x
- Feng ZC, 2018, EUR RADIOL, V28, P1625, DOI 10.1007/s00330-017-5118-z
- Font MD, 2020, MED CLIN N AM, V104, P573, DOI 10.1016/j.mcna.2020.02.011
- Gavelli F, 2021, INTERN EMERG MED, V16, P1649, DOI 10.1007/s11739-021-02735-7
- Hameed BMZ, 2021, Curr Urol Rep, V22, P1
- Hu W, 2016, MEDIAT INFLAMM, V2016, DOI 10.1155/2016/9743198
- Kocak B, 2018, EUR J RADIOL, V107, P149, DOI 10.1016/j.ejrad.2018.08.014
- Nevo A, 2017, BJU INT, V120, P117, DOI 10.1111/bju.13796
- Ogreden E, 2018, ARCH ITAL UROL ANDRO, V90, P15, DOI 10.4081/aiua.2018.1.15
- Ozgor F, 2019, UROLITHIASIS, V47, P481, DOI 10.1007/s00240-018-1098-y
- Pietropaolo A, 2021, J CLIN MED, V10, DOI 10.3390/jcm10173888
- Skolarikos A, 2015, J UROLOGY, V194, P137, DOI 10.1016/j.juro.2015.01.112
- Song X, 2021, INT J MED INFORM, V151, DOI 10.1016/j.ijmedinf.2021.104484
- Sorokin I, 2017, WORLD J UROL, V35, P1301, DOI 10.1007/s00345-017-2008-6
- Sugihara T, 2013, BJU INT, V111, P459, DOI 10.1111/j.1464-410X.2012.11594.x