Video - Virtueller Poster Walk - 62. ÖCK Salzburg

Entwurf und Entwicklung einer web-basierten Applikation zur individualisierten Risikoabschätzung postoperativer Komplikationen anhand eines Beispiels der Leberdysfunktion

Virtueller Poster Walk - Poster Session 1 - Poster 13 - June 8th, 2021 - Clemens Haselmann

Abstract

Hintergrund: Risikostratifizierungsmodelle sind heutzutage wichtiger Bestandteil vieler klinischer Entscheidungsprozesse. Die Digitale Transformation mittels dynamischem Scripting und Cloud-Computing erlaubt die Implementierung eines solchen Modelles in eine online verfügbare Applikation, um individualisierte Auswertungen zeitnah und interaktiv durchführen zu können.

Beschreibung: Im Rahmen unserer internationalen Multicentrestudie «arterial lactate concentrations early after liver resection stratify risk of post-hepatectomy liver failure and associated other complications» wurde die online Web-App www.liver-calculator.com designt und entwickelt, um anhand eines individuellen perioperativen Laktat-Wertes das Risiko für das Auftreten einer postoperativen Leberdysfunktion vorherzusagen. Die Auswertung stützt sich auf eine logistische Regression eines validierten Datensatzes von 991 Leberresektionen und ermöglicht dem Anwender mittels patientenspezifischem, perioperativen Laktat- Wertes und Auswahl einer Patientensubkohorte ein bei jedem Aufruf neu generiertes Modell zu fitten. Dieses stellt die prozentuale vorhergesagte Wahrscheinlichkeit des Outcomes sowohl numerisch als auch graphisch inklusive Konfidenzintervallen dar und präsentiert somit einerseits einen präzisen, klinisch leicht verwertbaren und relevanten Parameter und gleichzeitig auch eine Übersicht über die Plausibilität der Anwendung.

Technische Umsetzung: Die Applikation basiert auf einem Framework in Python, welches als Front End sowohl ein User Interface als auch die Struktur für zukünftige Erweiterungen zur Verfügung stellt. Im Back End kommt eine Kombination aus Python und R zu tragen, die das Regressionsmodel als R-Skript direkt verfügbar macht. Als Technologie-Stack hosten beide auf Google Cloud App Engine (Google, Mountain View, CA).

Conclusio: Die Implementierung von interaktiven Applikationen für die individualisierte klinische Risikoabschätzung mittels kommerziell erhältlicher Cloud-Technologie erlaubt eine rasche Umsetzung und breite Verfügbarkeit von Machine Learning Frameworks und Modellen für medizinische Anwendungen.