Построение прогностических моделей неблагоприятного исхода при синдроме натяжения спинного мозга у детей со спинальной дизрафией и оценка их эффективности

Цель исследования. Разработать и оценить прогностическую модель неблагоприятного исхода вариантов микрохирургической дефиксации и укорачивающей вертебротомии у детей с синдромом натяжения спинного мозга на фоне спинальной дизрафии.

Материал и методы. Ретроспективная когорта из 120 детей со спинальной дизрафией и синдромом натяжения спинного мозга распределялась случайно в обучающую (группа 1 – оперированные пациенты) и тестовую (группа 0 – неоперированные дети с катамнезом) выборки (70 % : 30 %). Сравнение обучающей и тестовой выборок не выявило статистически значимых различий по основным признакам, что подтверждает сопоставимость групп. Рассматривали демографические, клинико-неврологические и нейровизуализационные признаки. Оценивали прогностическую эффективность трех моделей: LASSO-регрессии, дерева решений и eXtreme Gradient Boosting (XGB). Балансировка классов выполнена в модели обучения SMOTE. Качество оценивали по ROC-AUC, чувствительности/специфичности, точности и Brier-score с 95% доверительным интервалом, клиническую полезность – по Decision Curve Analysis (DCA), интерпретацию – через важность признаков и SHAP для XGB.

Результаты. LASSO показала ROC-AUC 0,82 и точность 80,6 % на тесте; дерево решений: ROC-AUC – 0,64 и точность – 69,4 %. Наилучшие показатели получены у XGB (ROC-AUC – 0,97; точность – 86,1 %), что соответствует отличному уровню дискриминации. Ведущими предикторами неблагоприятного исхода выступали трофические нарушения, деформация голеней, укорачивающая вертебротомия, утолщение терминальной нити ≥2 мм, параметры тазовых функций; DCA подтвердил положительную чистую выгоду модели при широком диапазоне пороговых вероятностей.

Заключение. Результаты согласуются с современными представлениями о результатах лечения синдрома натяжения спинного мозга и применимости ML-подходов в нейрохирургии детского возраста. Ансамблевая модель XGB обеспечивает высокую точность и клиническую ценность в прогнозировании неблагоприятных исходов у детей с синдромом натяжения спинного мозга, что делает ее перспективным инструментом стратификации риска, который может быть имплементирован в программы поддержки принятия решений с выбором максимально безопасной и эффективной хирургической тактики при спинальной дизрафии.

1. Liu M, Deng W, Lu YY, He YZ, Huang LY, Du H. Surgical treatment of tethered cord syndrome showed promising outcome in young children with short duration. Eur Rev Med Pharmacol Sci. 2023;27:1831–1836. DOI: https://doi.org/10.26355/eurrev_202303_31545

2. Хачатрян В.А., Сысоев К.В. Об актуальных проблемах патогенеза, диагностики и лечения синдрома фиксированного спинного мозга (аналитический обзор). Нейрохирургия и неврология детского возраста. 2014;3:76–78. [Khachatryan VA, Sysoev KV. Current issues of pathogenesis, diagnostics and treatment of the tethered spinal cord syndrome (analytical review). Pediatric Neurosurgery and Neurology. 2014;3:76–78]. EDN: https://elibrary.ru/SYOZVH

3. Рябых С.О., Горчаков С.А., Калашников А.А. Синдром фиксированного спинного мозга при spina bifida: клинико-лучевая характеристика и показания к оперативному вмешательству (систематический обзор литературы). Хирургия позвоночника. 2024;21(1):27–34. [Ryabykh SO, Gorchakov SA, Kalashnikov AA. Tethered spinal cord syndrome associated with spina bifida: clinical and radiological characteristics and indications for surgery (systematic review of the literature). Russian Journal of Spine Surgery (Khirurgiya Pozvonochnika). 2024;21(1):27–34]. DOI: https://doi.org/10.14531/ss2024.1.27-34 EDN: https://elibrary.ru/HHGVIT

4. Сысоев К.В., Тадевосян А.Р., Назинкина Ю.В., Хачатрян В.А. Результаты хирургического лечения детей с синдромом фиксированного спинного мозга. Прогноз на основании данных спинальной 3Тл МРТ-трактографии. Вопросы нейрохирургии» имени Н.Н. Бурденко. 2016;80(3):66–73. [Sysoev KV, Tadevosyan AR, Nazinkina YuV, Khachatryan VA. Surgical treatment outcomes in children with tethered spinal cord syndrome. A prognosis on the basis of spinal 3T MRI tractography. Burdenko’s Journal of Neurosurgery. 2016;80(3)66–73]. DOI: https://doi.org/10.17116/neiro201680366-73 EDN: https://elibrary.ru/WDOXAH

5. Hsieh P, Apaydin E, Briggs RG, Al-Amodi D, Aleman A, Dubel K, Sardano A, Saint-Val J, Sysawang K, Zhang D, Yagyu S, Motala A, Tolentino D, Hempel S. Diagnosis and treatment of tethered spinal cord: a systematic review. Pediatrics. 2024;154:e2024068270. DOI: https://doi.org/10.1542/peds.2024-068270

6. Annaperesov NV, Musa G, Lobankin PV, Kuznetsova AA, Livshits M, Nikolaevich UV, Levov AV, Kolcheva MA, Konfetova N, Maier A, Kim AV, Bupe MM, Kislyakov AN, Chmutin GE, Chaurasia B. Pediatric spinal lipomas: insights from a single institution’s experience in surgical management of 55 cases. J Pediatr Neurosci. 2024;19:97–102. DOI: https://doi.org/10.4103/jpn.jpn_44_24

7. Vickers AJ, van Calster B, Steyerberg EW. A simple, step-by-step guide to interpreting decision curve analysis. Diagn Progn Res. 2019;3:18. DOI: https://doi.org/10.1186/s41512-019-0064-7

8. Zhang Z, Rousson V, Lee WC, Ferdynus C, Chen M, Qian X, Guo Y. Decision curve analysis: a technical note. Ann Transl Med. 2018;6:308. DOI: https://doi.org/10.21037/atm.2018.07.02

9. Wang R, Zhang J, Shan B, He M, Xu J. XGBoost machine learning algorithm for prediction of outcome in aneurysmal subarachnoid hemorrhage. Neuropsychiatr Dis Treat. 2022;18:659–667. DOI: https://doi.org/10.2147/NDT.S349956

10. Yan Z, Wang J, Dong Q, Zhu L, Lin W, Jiang X. XGBoost algorithm and logistic regression to predict the postoperative 5-year outcome in patients with glioma. Ann Transl Med. 2022;10:860. DOI: https://doi.org/10.21037/atm-22-3384

11. Trapp B, de Andrade Lourenção Freddi T, de Oliveira Morais Hans M, Fonseca Teixeira Lemos Calixto I, Fujino E, Alves Rojas LC, Burlin S, Cerqueira Costa DM, Carrete Junior H, Abdala N, Tobaru Tibana LA, Takehara ET, Dalul Gomez G. A practical approach to diagnosis of spinal dysraphism. Radiographics. 2021;41:559–575. DOI: https://doi.org/10.1148/rg.2021200103

12. Van Calster B, Wynants L, Verbeek JFM, Verbakel JY, Christodoulou E, Vickers AJ, Roobol MJ, Steyerberg EW. Reporting and interpreting decision curve analysis: a guide for investigators. Eur Urol. 2018;74:796–804. DOI: https://doi.org/10.1016/j.eururo.2018.08.038

13. Findlay MC, Tenhoeve S, Terry SA, Iyer RR, Brockmeyer DL, Kelly MP, Kestle JRW, Gonda D, Ravindra VM. Disparities in indications and outcomes reporting for pediatric tethered cord surgery: The need for a standardized outcome assessment tool. Childs Nerv Syst. 2024;40:1111–1120. DOI: https://doi.org/10.1007/s00381-023-06246-y

14. Иванов С.В., Кенис В.М., Щедрина А.Ю., Онуфрийчук О.Н., Ходоровская А.М., Осипов И.Б., Сарычев С.А. Spina bifida: мультидисциплинарная проблема (обзор литературы). Российский вестник детской хирургии, анестезиологии и реаниматологии. 2021;11(2):201–213. [Ivanov SV, Kenis VM, Shchedrina AYu, Onufriichuk ON, Khodorovskaya AM, Osipov IB, Sarychev SA. Spina bifida: a multidisciplinary problem (a literature review). Russian Journal of Pediatric Surgery, Anesthesia and Intensive Care. 2021;11(2):201–213]. DOI: https://doi.org/10.17816/psaic958 EDN: https://elibrary.ru/TRMLIX

15. Warman A, Kalluri AL, Azad TD. Machine learning predictive models in neurosurgery: an appraisal based on the TRIPOD guidelines. Systematic review. Neurosurg Focus. 2023;54:E8. DOI: https://doi.org/10.3171/2023.3.FOCUS2386