| Название НИОКТР |
Калькулятор высокого периоперационного риска в плановой абдоминальной хирургии
|
| Аннотация |
В плановой абдоминальной хирургии одной из ключевых задач является своевременная и точная оценка риска послеоперационных осложнений. Традиционные шкалы и модели (такие как американский калькулятор ASC-NSQIP) часто оказываются недостаточно адаптированными к локальной статистике, а также не учитывают последние достижения в области машинного обучения. В результате у медицинских организаций отсутствует единый, апробированный онлайн-инструмент, позволяющий предсказывать высокий периоперационный риск по предоперационным факторам и эффективно снижать частоту тяжёлых осложнений.
Вызов: растущая сложность операций в абдоминальной хирургии и высокая частота тяжёлых осложнений требуют более точных персонализированных прогнозов для своевременного вмешательства и оптимизации тактики ведения пациентов.
Проблема: существующие методы прогнозирования не обеспечивают достаточной точности в локальных условиях и не интегрированы в единую онлайн-платформу, что затрудняет широкое клиническое применение и не позволяет оперативно корректировать ведение пациента на основании актуальных данных. Таким образом, целью проекта я вляется разработка и внедрение в клиническую практику онлайн-калькулятор периоперационного риска в плановой абдоминальной хирургии с точностью прогноза не менее 80% для осложнений и летального исхода (на основе предоперационных предикторов).
Для разработки моделей используется объединённая база данных более 12 000 пациентов, прооперированных в плановом порядке в восьми регионах Российской Федерации. Для каждого пациента собрано свыше 160 переменных: демографические характеристики (возраст, пол, индекс массы тела), анамнез сопутствующих заболеваний (сахарный диабет, сердечно-сосудистые заболевания и прочее) , предоперационные лабораторные показатели, детали оперативного вмешательства (тип, длительность, объём кровопотери), анестезиологические параметры и данные послеоперационного ведения. Все данные пройдут процедуру очистки, стандартизации и валидации на корректность ввода.
Разработка прогнозных моделей будет проводиться поэтапно: разведывательный анализ и отбор ключевых признаков с помощью методов корреляционного анализа и регуляризации (LASSO), а также алгоритмов отбора на основе деревьев решений. Затем планируется создание и сравнение статистических моделей (логистическая регрессия) и алгоритмов машинного обучения (случайный лес, градиентный бустинг, искусственные нейронные сети). Для оценки качества моделей будут применяться метрики AUC-ROC, точность (accuracy), чувствительность (recall) и F1-score. Для каждого из 17 целевых осложнений и летального исхода формируется отдельная модель с цветовой индикацией уровней риска (зелёный – низкий, красный – высокий).
Итоговые модели интегрируются в онлайн-платформу «Управление периоперационными рисками» с расчётом вероятности развития осложнений и визуализацией её в виде графиков и таблиц. Верификация моделей будет выполняться на независимых валидационных выборках в каждом из восьми медицинских информационно-аналитических центров с применением кросс-валидации и тестовых когорт. Клиническая апробация планируется на базе пилотных лечебных учреждений, где специалисты оценят практическую применимость, простоту использования и соответствие алгоритмов реальным клиническим сценариям. По итогам апробации собираются отзывы медицинского персонала, вносятся доработки в пользовательский интерфейс и корректируются алгоритмы.
Ожидаемые результаты проекта включают выпуск лицензированного программного продукта для внедрения с 2025 года и регистрацию медицинского изделия до конца 2028 года в Росздравнадзоре и ФОМС. Планируется публикация не менее четырёх статей в высокорейтинговых отечественных и международных журналах, выступления на десяти профильных конференциях, а также подача заявок на 13 патентов в области методов прогнозирования хирургических рисков. Проект укрепляет научно-практический потенциал КубГМУ, способствует цифровой трансформации здравоохранения и повышению качества медицинской помощи на региональном и федеральном уровнях, а универсальная архитектура инструмента создаёт платформу для дальнейшего расширения функциональности и применения в других областях хирургии
|
| Доступ к ОКОГУ исполнителя |
False
|
| Количество связанных РИД |
9
|
| Количество завершенных ИКРБС |
0
|
| Сумма бюджета |
8000.0
|
| Дата начала |
2025-01-09
|
| Дата окончания |
2025-12-28
|
| Номер контракта |
075-15-2025-108
|
| Дата контракта |
2025-03-29
|
| Количество отчетов |
1
|
| УДК |
616-089.5
|
| Количество просмотров |
6
|
| Руководитель работы |
Заболотских Игорь Борисович
|
| Руководитель организации |
Алексеенко Сергей Николаевич
|
| Исполнитель |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ" МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
|
| Заказчик |
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
|
| Федеральная программа |
—
|
| Госпрограмма |
—
|
| Основание НИОКТР |
Грант
|
| Последний статус |
2025-06-06 09:29:16 UTC, 2025-06-06 09:29:16 UTC
|
| ОКПД |
Услуги, оказываемые врачами хирургических отделений больниц
|
| Отраслевой сегмент |
—
|
| Минздрав |
—
|
| Межгосударственная целевая программа |
—
|
| Ключевые слова |
Прогнозирование; Осложнения; Периоперационный риск; Абдоминальная хирургия; Калькулятор
|
| Соисполнители |
—
|
| Типы НИОКТР |
Разработка новых материалов, научно-методических материалов, продуктов, процессов, программ, устройств, типов, элементов, услуг, систем, методов, методик, рекомендаций, предложений, прогнозов
|
| Приоритетные направления |
—
|
| Критические технологии |
—
|
| Рубрикатор |
76.29.44 - Анестезиология; 76.29.45 - Реаниматология и интенсивная терапия; 76.29.39 - Хирургия
|
| OECD |
—
|
| OESR |
Анестезиология; Хирургия; Реаниматология и медицина катастроф
|
| Приоритеты научно-технического развития |
в) переход к персонализированной, предиктивной и профилактической медицине, высокотехнологичному здравоохранению и технологиям здоровьесбережения, в том числе за счет рационального применения лекарственных препаратов (прежде всего антибактериальных) и использования генетических данных и технологий;
|
| Регистрационные номера |
ikrbs: {'card_list': [{'id': 'QJQGSNTVG9ZWRP7HA3Q583XD'}]}; nioktr: {'id': 'I20WEUYUKIL5AEQ89H38LZGO'}; nioktr: {'id': '9HXNYUXJBQ1C305B4BT96SRD'}; nioktr: {'id': '0GP18QXI28LELKU1JZMD5OWT'}; nioktr: {'id': 'CX5OIFZEEA6A23ASDNPIC3KS'}; nioktr: {'id': 'WXFEUW6BKUYM25WBTMNSKBH9'}; nioktr: {'id': '0MWKOBGFYEN9DQL2PJL2WKA1'}; nioktr: {'id': 'CT95I7W8LAPOE8ZTIXEC3PYQ'}; nioktr: {'id': 'YGJS9JYEZ1893SP1IWG9AVO5'}; nioktr: {'id': 'VN7GFZJXAI8X0FYEDOT6C8YH'}
|
