Classifying and predicting surgical complications after laryngectomy using machine learning

Abstract

Introduction The total laryngectomy is a highly standardized procedure in otolaryngology. A uniform approach in classification of postoperative complications is not in use. Predicting postoperative complications in clinical practice is often subject to generalized clinical scoring systems with uncertain predictive abilities for otolaryngologic surgery in the individual patient. In our present study, we aim to evaluate whether it is possible to classify postoperative complications after total laryngectomy using the Clavien-Dindo Classification (CDC). After systematic classification, we aim to develop a custom approach, developing an algorithm that is able to predict whether patients will develop severe (CDC ≥ 4) complications requiring care on an intensive care unit.

Patients and methods We retrospectively included all patients (N=148) that underwent a total laryngectomy after diagnosis of squamous cell carcinoma at the Department of Otolaryngology at the Charité – Universitätsmedizin in Berlin, Germany between 2010 and 2018. All complications were classified according to the CDC. Significant predictors for complications were determined using logistic regression analysis. We trained four different commonly used machine-learning algorithms on the significant predictors in the dataset. The best performing model was selected to predict postoperative complications on the complete dataset.

Results In uni- and multivariate analysis, significant predictors for postoperative complications were the Charlson Comorbidity Index (CCI) and whether pharyngeal reconstruction was performed intraoperatively. Significant predictors were used to train the commonly used adaboost algorithm, which achieved the highest area under the curve (AUC) with 0.77. Subsequent analysis showed high positive and negative predictive values with 88% and 89% respectively.

Summary Our study shows that it is possible to predict whether patients will develop a severe postoperative complication. A prior systematic classification of postoperative complications according to the CDC leads to results that can be compared with operations in other surgical specialties.

Conclusion CCI and whether reconstruction was performed are useful predictors of severe postoperative complications. We provide evidence that could help identify individual patients at higher risk of complications and adjust treatment accordingly, which could ultimately lead to an individualised approach for each patient. Our study also suggests that older patients are not at higher risk of postoperative complications.

Einleitung Die totale Laryngektomie ist ein stark standardisiertes Verfahren in der Hals-, Nasen- und Ohrenheilkunde. Ein einheitlicher Ansatz zur Klassifizierung von postoperativen Komplikationen ist nicht in Gebrauch. Die Vorhersage postoperativer Komplikationen in der klinischen Praxis unterliegt häufig verallgemeinerten klinischen Scoring-Systemen mit unsicheren Vorhersagefähigkeiten für die HNO-Chirurgie beim einzelnen Patienten. In der vorliegenden Studie wollen wir mit der Clavien-Dindo-Klassifikation (CDC) einen einheitlichen Ansatz zur Klassifizierung postoperativer Komplikationen nach totaler Laryngektomie verwenden. Nach der erfolgten systematischen Klassifizierung soll ein individueller Ansatz entwickelt werden, mit dem sich vorhersagen lässt, ob Patienten schwerwiegende Komplikationen (CDC ≥ 4) entwickeln werden, die eine Betreuung auf einer Intensivstation erfordern.

Patienten und Methoden Retrospektiv wurden alle Patienten (N=148) mit einem fortgeschrittenen Plattenepithelkarzinom des Larynx eingeschlossen, bei denen zwischen 2010 und 2018 eine totale Laryngektomie an den Kliniken für Hals-, Nasen- und Ohrenheilkunde der Charité - Universitätsmedizin Berlin, durchgeführt wurde. Alle Komplikationen wurden nach der CDC klassifiziert. Signifikante Prädiktoren für Komplikationen wurden mittels logistischer Regressionsanalyse ermittelt. Vier verschiedene gängige Algorithmen für maschinelles Lernen wurden basierend auf den signifikanten Prädiktoren im Datensatz trainiert. Das Modell mit der besten Leistung wurde für die Vorhersage postoperativer Komplikationen auf dem gesamten Datensatz ausgewählt.

Ergebnisse Der Charlson Comorbidity Index (CCI) und ob intraoperativ eine Rekonstruktion des Pharynx durchgeführt wurde waren signifikante Prädiktoren für postoperative Komplikationen in der uni- und multivariaten Analyse. Die gennanten Prädiktoren wurden zum trainieren von vier verschiedenen Algorithmen verwendet. Der häufig verwendete Adaboost-Algorithmus erreichte mit 0,77 die höchste Fläche unter der Kurve (AUC). Die anschließende Analyse ergab hohe positive und negative Vorhersagewerte von 88 % bzw. 89 %.

Zusammenfassung Unsere Studie zeigt, dass es möglich ist, vorherzusagen, ob Patienten eine schwere postoperative Komplikation entwickeln werden. Eine vorherige systematische Klassifizierung der postoperativen Komplikationen nach dem CDC führt zu Ergebnissen, die sich mit Operationen in anderen chirurgischen Fachgebieten vergleichen lassen.

Schlussfolgerung Der CCI und die Tatsache, ob eine Rekonstruktion durchgeführt wurde, sind nützliche Prädiktoren für schwere postoperative Komplikationen. Wir liefern Erkenntnisse, die dazu beitragen könnten, einzelne Patienten mit einem erhöhten Komplikationsrisiko zu identifizieren und die Behandlung entsprechend anzupassen, was letztendlich zu einem individuellen Ansatz für jeden Patienten führen könnte. Unsere Studie legt auch nahe, dass ältere Patienten kein höheres Risiko für postoperative Komplikationen haben.