hepatectomy-अनन्तरं यकृतः कार्यवैकल्यम् (Post-Hepatectomy Liver Failure, PHLF) इति गम्भीरा शल्यक्रियानन्तरजटिलता अस्ति, यस्याम् यकृत्-resection-अनन्तरं यकृत् स्वस्य संश्लेषण-, उत्सर्जन- तथा विषहरण-कार्याणि पर्याप्तरूपेण निरन्तरं कर्तुं न शक्नोति। एषा व्यवस्थित-समीक्षा PHLF-जोखिमस्य पूर्वानुमानार्थं विकसितानां यन्त्राधिगम-प्रतिमानानां विभेदन-क्षमतां, प्रयुक्तान् predictor-कारकान्, validation-विधीन्, पद्धतिगत-गुणवत्तां तथा चिकित्सकीय-प्रयोगयोग्यतां मूल्याङ्कयति। अन्तिम-समीक्षायां 2020–2025 मध्ये प्रकाशितानि 12 अध्ययनानि तथा कुलतः 6913 रोगिणः समाविष्टाः सन्ति। प्रशिक्षण-दत्तांशात् बहिः सूचिताः श्रेष्ठाः AUC-मूल्याः 0,7927 तः 0,981 पर्यन्तं परिवर्तिताः, median AUC 0,873 आसीत्। तथापि अधिकांश-अध्ययनानां retrospective-स्वभावात्, PHLF-परिभाषासु असमानतायाः तथा बाह्य-validationस्य सीमितत्वात् एतानि प्रदर्शन-मूल्यानि प्रत्यक्षतया नियमित-चिकित्सकीय-प्रयोगाय सज्जाः प्रणाल्यः इति न व्याख्येयानि।

समीक्षायां gradient boosting-परिवारः, विशेषतः LightGBM तथा XGBoost, पुनःपुनः दृश्येषु उच्च-प्रदर्शनयुक्तेषु उपायेषु अन्तर्भवति। कृत्रिम-न्यूरल-जालानि, deep learning, computed tomography अथवा magnetic resonance-चित्रेभ्यः radiomics-लक्षणानि निष्कासयन्ति ये प्रतिमानानि, तथा ensemble-प्रणाल्यः अपि अर्थपूर्णां विभेदन-क्षमतां दर्शितवन्तः। सर्वाधिकं प्रयुक्ताः सूचना-क्षेत्राः bilirubin तथा अन्ये यकृत्-आरक्षित-क्षमता-सूचकाः, coagulation-परिमाणानि, platelet-संख्या, अवशिष्ट-यकृतः आयतनम् अथवा resection-विस्तारः, चित्राधारितानि radiomics-लक्षणानि तथा perioperative-कालिक-दत्तांशाः आसन्।

अस्य अध्ययनस्य प्रमुखेषु सन्देशेषु एकः केवलं उच्च-AUC-मूल्ये ध्यानं न स्थापनीयम् इति। आन्तरिक-validationमध्ये शक्तिशाली इव दृश्यः प्रतिमानः भिन्न-भौगोलिक-प्रदेशे अथवा भिन्न-रोगी-वितरणे प्रयुक्तः सन् प्रदर्शनं ह्रासयितुं शक्नोति। उदाहरणतः Wang K तथा सहकर्मिणां कालिक-deep learning-प्रतिमाने AUC आन्तरिक-मूल्याङ्कने 0,952, चीन-देशीय-बाह्य-validationमध्ये 0,884 आसीत्, किन्तु पाश्चात्य-MIMIC-IV-cohortमध्ये 0,654 पर्यन्तम् अवनतवान्। एतत् उदाहरणं चिकित्सकीय-AI-प्रतिमानेषु बाह्य-validation तथा distribution shift किमर्थं मूलभूत-सुरक्षा-विषयौ स्तः इति दर्शयति।

समीक्षायाः सामान्यं मूल्याङ्कनं सूचयति यत् यन्त्राधिगमः पारम्परिक-Child–Pugh, MELD, ALBI, FIB-4 तथा APRI इत्यादिभ्यः जोखिम-उपकरणेभ्यः परं बहूनि चिकित्सकीय-परिवर्तकानि एकत्र मूल्याङ्कयितुं सामर्थ्यं धारयति। किन्तु वर्तमान-अध्ययनानि समान-रोगी-दत्तांशे तथा समान-परिणाम-परिभाषायां निर्मितः एकः संयुक्तः तुलनात्मक-अध्ययनः न सन्ति। अतः साहित्ये दृश्यः श्रेष्ठतायाः प्रवाहः “यन्त्राधिगमः प्रत्येकस्मिन् रोगिणि प्रत्येकस्मिन् केन्द्रे च पारम्परिक-स्कोरेभ्यः निश्चिततया श्रेष्ठः” इति रूपेण सामान्यीकर्तुं न शक्यते।

Hepatectomy-अनन्तरं यकृतः कार्यवैकल्यम् (PHLF) किम्?

PHLF इति अवस्था, यस्याम् यकृत्-ऊतकस्य शल्यक्रियया निष्कासनानन्तरं अवशिष्टं यकृत् शरीरस्य चयापचय-आवश्यकताः पूरयितुं आवश्यकां संश्लेषण-, उत्सर्जन- तथा विषहरण-क्षमतां धारयितुं न शक्नोति; समीक्षायां प्रयुक्तः ISGLS-संरचना शल्यक्रियायाः पञ्चमे दिने अथवा ततः परं वर्धितेन INR सह hyperbilirubinemia इत्यनेन एतां अवस्थां परिभाषयति।

यकृत्-resection हेपाटोसेल्युलर् कार्सिनोमा, intrahepatic cholangiocarcinoma तथा colorectal cancer-स्य यकृत्-metastasis सहितेषु विविधेषु benign तथा malignant रोगेषु प्रमुखेषु शल्यचिकित्सा-उपायेषु एकः अस्ति। शल्य-तन्त्रे, anesthesia-मध्ये तथा perioperative-परिचर्यायां प्रगतिः अभवत् तथापि PHLF यकृत्-शल्यचिकित्सायाः गम्भीरतमासु जटिलतासु एका एव अवशिष्यते।

मूल-स्रोतः सूचयति यत् प्रतिवेदितः PHLF-incidence रोगी-समुदायस्य, resection-परिमाणस्य तथा आधारभूत-यकृत्-रोगस्य अनुसारं %1,2 तः %32 पर्यन्तं परिवर्तितुं शक्नोति। PHLF-जोखिमः केवलं निष्कासित-यकृत्-परिमाणे निर्भरः नास्ति। भविष्ये अवशिष्टस्य यकृत्-ऊतकस्य परिमाणं तथा कार्यगुणवत्ता, यकृतः regeneration-क्षमता, वर्तमान-fibrosis अथवा cirrhosis, steatosis, portal hypertension, sarcopenia तथा शल्यक्रिया-संबद्धाः stress-कारकाः संयुक्ततया भूमिकां निर्वहितुं शक्नुवन्ति।

भविष्ये अवशिष्टं यकृत् किमर्थं महत्त्वपूर्णम्?

Future Liver Remnant (FLR) इति resection-अनन्तरं रोगिणि अवशिष्टं कार्यक्षमं यकृत्-ऊतकं सूचयति। स्रोतस्य साहित्य-सारांशे computed tomography-आधारित-volumetric-मूल्याङ्कनार्थं सामान्य-यकृति न्यूनतमं प्रायः %20 तथा कार्यतः विकृत-यकृति प्रायः %40 FLR-सीमाः निर्दिष्टाः। तथापि केवलम् आयतन-मापनं अवशिष्ट-ऊतकस्य वास्तविकां कार्यक्षमतां पूर्णतया न दर्शयति।

अतः indocyanine green clearance test (ICG), hepatobiliary scintigraphy तथा gadoxetic acid-संवर्धित-magnetic resonance imaging इत्यादयः कार्यात्मक-उपायाः विकसिताः। एतेषां प्रत्येकस्य परीक्षायाः उपलब्धता, standardization अथवा जनसमूहान्तर-प्रदर्शनसम्बद्धाः सीमाः सन्ति।

पारम्परिक-जोखिम-स्कोराः किमर्थं अपर्याप्ताः भवितुं शक्नुवन्ति?

Child–Pugh-वर्गीकरणम्, MELD-स्कोरः तथा Albumin–Bilirubin (ALBI)-grade यकृतः कार्यं भिन्नैः परिवर्तकैः मूल्याङ्कयन्ति; किन्तु PHLF इति परिणामः प्रयोगशाला-मूल्यानि, अवशिष्ट-यकृतः आयतनम्, रोगिणः वर्तमान-यकृत्-रोगः, शल्यक्रियायाः विस्तारः तथा perioperative-परिवर्तनानि इत्यादीनां अनेककारकाणां संयुक्त-प्रभावेन भवति। अतः स्रोतः बलं ददाति यत् पारम्परिक-स्कोराः एकाकिनः सम्पूर्णं जोखिम-संरचनां ग्रहणयितुं सीमिताः भवितुं शक्नुवन्ति।

समीक्षायां उद्धृतायां पूर्ववर्तिन्यां व्यवस्थित-समीक्षायां तथा meta-analysisमध्ये PHLF-पूर्वानुमानार्थं ALBI-स्य संयुक्त-AUC-मूल्यं प्रायः 0,67 इति उक्तम्। एषः निष्कर्षः अधिक-जटिलानां बहु-परिवर्तक-प्रतिमानानां अनुसन्धानस्य कारणेषु एकः।

PHLF-पूर्वानुमाने यन्त्राधिगमः किमर्थं प्रयुज्यते?

यन्त्राधिगमः प्रयोगशाला-दत्तांशानां, चित्रण-लक्षणानां, शल्य-परिवर्तकानां तथा कालेन परिवर्तमानेषु perioperative-मापनेषु विद्यमानाः अरैखिकाः बहु-परिवर्तक-संबन्धाः एकस्मिन् प्रतिमाने मूल्याङ्कयितुं शक्नोति; अतः PHLF-सदृशस्य जटिल-चिकित्सकीय-जोखिमस्य व्यक्तिनिष्ठ-पूर्वानुमानार्थं तस्य अनुसन्धानं क्रियते।

समीक्षित-साहित्ये प्रयुक्ताः विधयः एकेन एव algorithmना न सीमिताः। कृत्रिम-न्यूरल-जालानि (Artificial Neural Networks, ANN), LightGBM, XGBoost, convolutional neural networks (CNN), कालिक-deep learning-प्रतिमानानि, radiomics-उपायाः तथा ensemble-प्रणाल्यः तत्र सन्ति।

एतेषां प्रतिमानानां उद्देश्यं पारम्परिकं hepatology-ज्ञानं निरस्तुं नास्ति। समीक्षायां उच्च-प्रदर्शनयुक्तेषु प्रतिमानेषु bilirubin, albumin, INR अथवा prothrombin time, platelet-संख्या, ICG-R15, अवशिष्ट-यकृत्-परिमाणं तथा resection-विस्तारः इत्यादीनां चिकित्सकीयदृष्ट्या पूर्वमेव अर्थपूर्णानां परिवर्तकानां पुनःपुनः दर्शनं सूचयति यत् यन्त्राधिगमः बहुषु प्रसङ्गेषु विभिन्न-परिवर्तकान् संयुक्ततया भारितीकृत्य विद्यमानं pathophysiology-ज्ञानं विस्तारयति।

Radiomics-दत्तांशाः किं योजयन्ति?

Radiomics इति CT अथवा MRI-सदृशेभ्यः चिकित्सकीय-चित्रेभ्यः प्रत्यक्षदृष्ट्या मापनं कठिनं यत् बहुसंख्यकं परिमाणात्मकं चित्र-लक्षणं तस्य निष्कासनस्य उपायः। समीक्षायां Zhu, Li तथा Famularo-अध्ययनेषु radiomics-दत्तांशाः चिकित्सकीय-अथवा प्रयोगशाला-परिवर्तकैः सह प्रयुक्ताः ये प्रतिमानानि सन्ति।

समीक्षायां अध्ययनान्तर-दृश्यः प्रवाहः सूचयति यत् चित्रण-सूचना केषुचित् प्रतिमानेषु केवल-चिकित्सकीय-दत्तांशात् अथवा केवल-radiomics-दत्तांशात् अतिरिक्तां सूचनां दातुं शक्नोति। किन्तु एषः निष्कर्षः एकस्मिन् संयुक्त-दत्तांशसमूहे कृतः नियंत्रितः predictor-ablation-प्रयोगः नास्ति। समीक्षालेखकाः अपि स्पष्टतया वदन्ति यत् predictor-समूहानां महत्त्वक्रमं निश्चिततया निर्धारयितुं समर्थः संयुक्तः leave-one-domain-out-विश्लेषणः उपलब्धः नास्ति।

Perioperative गतिशील-दत्तांशः किमर्थं कथ्यते?

स्थिरं preoperative-मापनं रोगिणः एकस्मिन् क्षणे स्थितिं प्रतिनिधत्ते। गतिशीलः perioperative-दत्तांशः तु शल्यक्रियापूर्वं, शल्यक्रियाकाले तथा आरम्भिक-शल्यक्रियानन्तर-कालखण्डे कालेन परिवर्तमानेभ्यः प्रयोगशाला-अथवा चिकित्सकीय-मापनेभ्यः निर्मितां काल-रेखां प्रयुङ्क्ते। Jin, Wang K तथा Shen-अध्ययनेषु एतादृशाः कालिकाः अथवा चरणविशिष्टाः दत्तांश-संरचनाः महत्त्वपूर्णाः अंशाः आसन्।

एते प्रतिमानाः उच्चां विभेदन-क्षमतां दर्शयितुं शक्नुवन्ति, किन्तु अधिक-दत्तांशान् तथा अधिक-जटिल-अवसंरचनां अपेक्षितुं शक्नुवन्ति। अपि च Wang K-अध्ययने MIMIC-IV-बाह्य-validationस्य ह्रासः दर्शयति यत् अधिक-समृद्ध-दत्तांश-प्रयोगः भिन्नेषु चिकित्सालयेषु अथवा भौगोलिक-प्रदेशेषु समान-प्रदर्शनं स्वयमेव न सुनिश्चितयति।

अस्यां व्यवस्थित-समीक्षायां AUC-मूल्यं किं दर्शयति?

AUC इति विभेदन-क्षमतायाः मापः, यः PHLF विकसितवन्तः रोगिणः तथा न विकसितवन्तः रोगिणः परस्परं भेदयितुं प्रतिमानस्य सामर्थ्यं संक्षेपेण दर्शयति; अस्यां व्यवस्थित-समीक्षायां प्रतिमानानां मध्ये प्रमुख-प्रदर्शन-तुलनासु एकरूपेण प्रयुक्तम्, किन्तु AUC एकाकि calibration, चिकित्सकीय-निर्णय-लाभं अथवा अन्यस्मिन् चिकित्सालये वास्तविकं प्रदर्शनं न दर्शयति।

समीक्षायां सूचिताः श्रेष्ठाः प्रशिक्षण-बाह्य-AUC-मूल्याः 0,7927–0,981 मध्ये आसन् तथा median-मूल्यं 0,873 आसीत्। तथापि एते सर्वे संख्यात्मकाः परिणामाः समान-दत्तांशसमूहात्, समान-PHLF-परिभाषातः अथवा समान-validation-प्रक्रियातः न आगताः। केचन अध्ययनाः random train/test-विभाजनं प्रयुक्तवन्तः, अन्ये 5-fold cross-validation, कालिक-validation, बाह्य-cohort अथवा prospective-validation प्रयुक्तवन्तः।

अतः 0,95 AUC सूचयन्तं आन्तरिक-विकास-अध्ययनं 0,88 AUC प्राप्तवन्तं स्वतन्त्र-बाह्य-validationयुक्तं प्रतिमानात् स्वयमेव “श्रेष्ठम्” इति मन्यते चेत् तत् पद्धतिगतदृष्ट्या उचितं नास्ति। समीक्षायाः महत्त्वपूर्णेषु योगदानिषु एकं प्रदर्शन-संख्यया सह validation-संरचनायामपि ध्यानं दातुम् इति।

Calibration किमर्थं पृथक् महत्त्वपूर्णम्?

विभेदन-क्षमता उच्च-जोखिमयुक्तान् जनान् निम्न-जोखिमयुक्तेभ्यः क्रमबद्धं कर्तुं सामर्थ्यं दर्शयति। चिकित्सकीय-जोखिम-पूर्वानुमाने, प्रतिमानेन दत्ताः सम्भावनाः वास्तविक-घटना-आवृत्तिभिः कियत् अनुरूपाः इति, अर्थात् calibration अपि महत्त्वपूर्णम्। समीक्षा वदति यत् अनेक-अध्ययनेषु discrimination calibration-अपेक्षया अधिक-पूर्णतया प्रतिवेदितम्, अतः चिकित्सकीय-तुलना सीमिता अभवत्।

अध्ययनस्य विधिः परिणामाश्च

व्यवस्थित-समीक्षायाः रचना

समीक्षा PRISMA 2020-सिद्धान्तानुसारं तथा निदान-परीक्षा-शुद्धतासम्बद्ध-व्यवस्थित-समीक्षाभ्यः Cochrane Handbook-स्य अनुशंसानुसारं रचिता। अनुसन्धान-प्रश्नस्य तथा दत्तांश-निष्कासनस्य आयोजनाय CHARMS-संरचना प्रयुक्तः। लक्ष्य-समुदायः ये प्रौढ-रोगिणः कस्यचित् कारणस्य निमित्तं hepatic resection प्राप्तवन्तः ते।

Index-प्रतिमानानि PHLF-पूर्वानुमानार्थं विकसिताः अथवा validated यन्त्राधिगम- अथवा AI-algorithms सन्ति। परिणाम-परिभाषायै ISGLS, “50-50” criteria, शिखर-bilirubin-मूल्यस्य 7 mg/dL तः अधिकत्वं, अथवा अन्याः validated-चिकित्सकीय-PHLF-परिभाषाः स्वीकृताः।

साहित्यं कथं अन्विष्टम्?

PubMed/MEDLINE, Embase, Web of Science Core Collection तथा Cochrane Library-दत्तांशकोशाः स्वारम्भात् 15 जनवरी 2026 पर्यन्तम् अन्विष्टाः। अन्वेषण-पदानि त्रयः प्रमुखाः समूहाः संयोजितवन्ति: यन्त्राधिगम/AI-विधयः, hepatectomy/यकृत्-resection-सन्दर्भः तथा PHLF/यकृत्-कार्यवैकल्य-परिणामाः।

वैद्युत-अन्वेषणस्य अतिरिक्तं समाविष्ट-अध्ययनानां तथा सम्बद्ध-समीक्षाणां सन्दर्भ-सूचयः हस्तेन परीक्षिताः; 2020–2025-अवधौ प्रमुख-हेपाटोबिलियरी-शल्यचिकित्सा-सम्मेलनानां सारांशाः पुनरवलोकिताः तथा प्रकाशन-पक्षपातं न्यूनं कर्तुं Google Scholar-माध्यमेन grey literature अन्विष्टम्।

समावेशन-बहिष्करण-मापदण्डाः

समाविष्ट-अध्ययनैः 18-वर्षीयेषु अथवा ततोऽधिकवयस्केषु hepatectomy-रोगिषु न्यूनतमम् एकं ML-प्रतिमानं विकसितं वा validated कर्तव्यं तथा AUC, sensitivity, specificity, positive predictive value, negative predictive value अथवा accuracy इत्यादिषु न्यूनतमम् एकं प्रदर्शन-मापं प्रतिवेदनीयम् आसीत्। केवलं पारम्परिक-logistic regression प्रयुक्तवन्तः अध्ययनाः ML-अध्ययनत्वेन न समाविष्टाः।

यकृत्-transplantation-विषयकाः किन्तु hepatectomy-रहिताः अध्ययनाः, ablation-उपचाराः, अशल्य-यकृत्-कार्यवैकल्य-अनुसन्धानानि, समीक्षाः, सम्पादकीय-लेखाः, पर्याप्त-दत्तांशरहिताः सम्मेलन-सारांशाः, case reports तथा 50 तः न्यून-रोगियुक्ताः अध्ययनाः बहिष्कृताः।

शीर्षक/सारांश तथा पूर्ण-पाठ-छाननी द्वाभ्यां स्वतन्त्र-अनुसन्धानकर्तृभ्यां कृता, मतभेदाः सहमत्या अथवा तृतीय-मूल्याङ्ककस्य माध्यमेन समाधाताः। अध्ययन-चयनाय मूल्याङ्ककान्तर-Cohen kappa-मूल्यं 0,89 इति प्रतिवेदितम्।

PRISMA-अध्ययन-चयनम्

पूर्ण-पाठ-चरणे बहिष्कृतानां 45 अध्ययनानां मध्ये 18 मध्ये ML/AI-प्रतिमानस्य अभावः, 9 मध्ये PHLF-स्य प्राथमिक-परिणामत्वाभावः, 8 अध्ययनानां समीक्षा अथवा सम्पादकीयत्वम्, 5 मध्ये पुनरावृत्त-रोगी-cohort-प्रयोगः तथा 5 मध्ये पर्याप्त-दत्तांशाभावः बहिष्करण-कारणत्वेन प्रतिवेदिताः।

दत्तांश-निष्कासनं गुणवत्तामूल्याङ्कनं च

CHARMS-आधारितं मानकीकृत-दत्तांश-निष्कासन-प्रपत्रम् आदौ त्रिषु यादृच्छिक-अध्ययनेषु परीक्षितम्; ततः द्वौ मूल्याङ्ककौ सर्वेभ्यः समाविष्ट-अध्ययनेभ्यः दत्तांशान् स्वतन्त्रतया निष्कास्य परस्परं परीक्षितवन्तौ। अध्ययन-रचना, रोगी-विशेषताः, प्रयुक्त-algorithm, predictors, अपूर्ण-दत्तांश-उपायः, प्रदर्शन-मापानि, calibration, decision curve analysis, validation-प्रकारः तथा पारम्परिक-स्कोरैः तुलना इत्यादयः परिवर्तकाः लक्ष्यीकृताः।

Risk of bias-मूल्याङ्कनं PROBAST-उपयोगेन सहभागी, predictors, परिणाम तथा विश्लेषण इति चतुर्षु क्षेत्रेषु नियोजितम्। प्रत्येकं क्षेत्रं निम्न-, उच्च- अथवा अनिश्चित-जोखिमरूपेण मूल्याङ्कितम्; कस्यचित् क्षेत्रस्य जोखिमः उच्चः चेत् समग्र-जोखिमः उच्चः स्वीकरणीयः इति योजना आसीत्।

स्रोतान्तर्गत-महत्त्वपूर्ण-सीमा: अन्तिम-परिणाम-विभागस्य सारणी 3 स्पष्टतया वदति यत् पूर्व-PROBAST-matrix-मध्ये केचन स्रोत-पङ्क्तयः अप्रमाणिताः अथवा मिथ्या-वर्गीकृताः आसन्, अतः सा matrix न संरक्षिता। तस्मात् अन्तिम-PDF-मध्ये समर्थनरहिताः अध्ययनविशिष्टाः PROBAST-अङ्काः Verianla-पक्षेण पुनर्निर्मिताः न सन्ति।

Meta-analysis किमर्थं न कृतम्?

Algorithms, predictors, PHLF-परिभाषाः तथा validation-रणनीतयः इत्येतेषु अध्ययनानि स्पष्टतया विषमाणि आसन्; अतः औपचारिक-परिमाणात्मक-meta-analysis-स्य स्थाने narrative synthesis चयनितम्। अस्य निर्णयस्य अर्थः अस्ति यत् भिन्न-PHLF-तीव्रताः तथा भिन्न-validation-संरचनाः एकस्मिन् संयुक्त-प्रदर्शन-संख्यायां परिवर्तयितुं भ्रामकं भवितुं शक्नोति।

समाविष्ट-अध्ययनानां सामान्य-संरचना

12 अध्ययनानि कुलतः 6913 रोगिणः समाविशन्ति। पृथक्-अध्ययन-आकाराः 101 तः 2074 पर्यन्तम्, median-नमूना-आकारः 363,5 अस्ति। नव अध्ययनानि चीनदेशात्, एकम् अध्ययनं जापानदेशात्, तथा द्वे अध्ययनानि बहुराष्ट्रीय-संरचनायुक्ते अथवा चीनदेशात् बहिः बाह्य-validation-युक्ते स्तः। सप्त अध्ययनानि एककेन्द्रिकानि, पञ्च बहुकेन्द्रिकानि। Tang तथा सहकर्मिणां अध्ययनम् अस्मिन् दत्तांशसमूहे स्पष्टतया prospective-validation-cohort प्रयुक्तवत् एकमेव अध्ययनम्।

कानि प्रतिमानानि सर्वाधिकां विभेदन-क्षमतां दर्शितवन्ति?

स्रोतस्य चित्रम् 2 प्रत्येकस्य अध्ययनस्य प्रशिक्षण-बाह्यं श्रेष्ठं सूचितं AUC परस्परं दर्शयति। आलेखे Tang 2025 प्रायः 0,981 इत्यनेन सर्वोपरि; तदनन्तरं Famularo 2025 0,901, Shen 2025 0,895, Zhu 2020 0,894 तथा Wang K 2025 0,884 सन्ति। किन्तु एषः क्रमः प्रतिमानानि समान-परिस्थितिषु तुलितानि इति न दर्शयति।

PHLF-प्रतिमानेषु बाह्य-validation किमर्थं अत्यावश्यकम्?

बाह्य-validation परीक्षते यत् प्रतिमानं स्वविकास-रोगी-समूहात् स्वतन्त्रे चिकित्सालये, कालखण्डे अथवा भौगोलिक-प्रदेशे तुल्यं प्रदर्शनं धारयति वा न; PHLF-साहित्ये Wang K-प्रतिमानस्य AUC आन्तरिक-मूल्याङ्कनस्य 0,952 तः MIMIC-IV-cohortमध्ये 0,654 पर्यन्तं पतनं दर्शयति यत् distribution shift चिकित्सकीय-सामान्यीकरण-क्षमतां गम्भीरतया परिवर्तयितुं शक्नोति।

समीक्षायां सामान्यीकरणस्य दृष्ट्या सर्वाधिक-अर्थपूर्णाः सङ्केताः non-random validation-संरचनाभ्यः प्राप्ताः। Jin तथा सहकर्मिणः कालिक-validationमध्ये 0,720 तथा 0,731 AUC; Tang तथा सहकर्मिणः prospective-validationमध्ये 0,942 AUC; Wang K तथा सहकर्मिणः चीन-बाह्य-cohortमध्ये 0,884 तथा MIMIC-IVमध्ये 0,654 AUC; Shen तथा सहकर्मिणः द्वयोः बाह्य-cohortयोः 0,740–0,895-पर्यन्तं AUC सूचितवन्तः।

एतानि उदाहरणानि दर्शयन्ति यत् प्रतिमान-विकास-दत्तांशेन अत्यन्त-सदृशे आन्तरिक-test-समूहे उच्च-प्रदर्शनं प्राप्तुं चिकित्सकीय-स्थानान्तरण-क्षमता इत्यस्य समानं नास्ति।

भौगोलिक-सङ्केन्द्रणं किमर्थं सीमा भवति?

12 अध्ययनेषु नव चीनदेशात्, एकं जापानदेशात् अस्ति। स्रोतः बलं ददाति यत् एतत् साहित्यं मुख्यतया पूर्व-एशिया, hepatocellular carcinoma तथा केषुचित् cohortमध्ये HBV-संबद्ध-यकृत्-रोगे केन्द्रितम्। तद्विपरीतं पाश्चात्य-रोगी-समूहेषु fatty liver disease, alcohol-संबद्ध-यकृत्-रोगः तथा colorectal-यकृत्-metastasis इत्यादीनां भिन्नः case mix भवितुं शक्नोति।

अतः कस्यचित् देशस्य अथवा चिकित्सालय-प्रणाल्याः अन्तर्गतं प्रतिमानस्य उच्चं प्रदर्शनं अन्यस्मिन् प्रयोग-प्रदेशे समानं calibration तथा विभेदन-क्षमतां धारयिष्यति इति न सूचयति। लक्ष्य-प्रयोग-प्रदेशे बाह्य-validation, आवश्यके सति recalibration तथा case mix-भेदानां स्पष्ट-प्रतिवेदनं आवश्यकम्।

के predictor-समूहाः पुनःपुनः दृश्यन्ते?

समीक्षायाः अध्ययनान्तर-व्याख्यानानुसारं स्थिर-preoperative-यकृत्-आरक्षित-क्षमता-परिवर्तकान् प्रयुक्तवन्तः प्रतिमानाः आन्तरिक-दत्तांशेषु प्रायः 0,81–0,88 AUC-स्तरं प्राप्तवन्तः। Imaging-radiomics-योगः केषुचित् मूल-अध्ययनेषु केवल-चिकित्सकीय अथवा केवल-radiomics-उपप्रतिमानेभ्यः सुधारं दत्तवान्। गतिशील-perioperative-प्रतिमानानि उच्चां विभेदन-क्षमतां दर्शितवन्तः, किन्तु बाह्य-सामान्यीकरणे अधिक-स्पष्टाः समस्याः दृष्टाः।

व्याख्येयता कथं समालोचिता?

अध्ययनेषु व्याख्येयतायै SHAP-विश्लेषणानि, nomograms, feature-importance-दर्शकाः, जोखिम-समूहाः तथा web-आधारित-उपकरणानि प्रयुक्तानि। विशेषतः उच्च-जोखिमयुक्तेषु चिकित्सकीय-निर्णयेषु प्रतिमानं केवलं सम्भावनां न दद्यात्, अपि तु के परिवर्तकाः पूर्वानुमाने योगदानं दत्तवन्तः इति अनुगन्तुं शक्यं भवेत्—एतत् चिकित्सकीय-स्वीकाराय महत्त्वपूर्णम्।

ML-प्रतिमानानि पारम्परिक-स्कोरेभ्यः श्रेष्ठानि वा?

समाविष्ट-अध्ययनेषु समान-cohort-मध्ये कृतानां तुलनानां प्रवृत्तिः सामान्यतः ML-आधारित-प्रतिमानानां पक्षे अस्ति। Mai-स्य ANN-प्रतिमानम्, Zhu-स्य radiomics-प्रतिमानम्, Wang J-स्य LightGBM, Tashiro-स्य XGBoost, Jin-स्य ANN तथा Tang-स्य XGBoost इत्यादीनि उदाहरणानि पारम्परिक-स्कोरैः अथवा सरलतरैः चिकित्सकीय-प्रतिमानैः तुलितानि सन्ति तथा उच्चतरां विभेदन-क्षमतां प्रतिवेदितवन्ति।

किन्तु व्यवस्थित-समीक्षायां सर्वाणि प्रतिमानानि तथा Child–Pugh, MELD, ALBI, FIB-4 अथवा APRI समान-रोगी-अभिलेखेषु पुनः प्रशिक्षितानि तथा परीक्षितानि इति संयुक्तः benchmark न कृतः। रोगी-स्तरे harmonized-कच्च-दत्तांशाभावात् एतादृशः विश्लेषणः सम्भवः नासीत्। अतः परिणामः संयुक्तेन prospective-प्रयोगेण सिद्धा सार्वत्रिक-श्रेष्ठता न, अपि तु मूल-अध्ययनैः स्वस्व-cohortमध्ये सूचितानां परिणामानां सुसंगता दिशा अस्ति।

साहित्यस्य प्रमुख-अन्तरालाः

परिणाम-परिभाषायाः विषमता: अध्ययनानि “severe PHLF”, “clinically significant PHLF”, सामान्य-PHLF तथा “postoperative liver failure” इत्यादीन् भिन्नान् endpoints प्रयुक्तवन्ति। भिन्न-तीव्रतायुक्त-घटनाः पूर्वानुमायन्ति ये प्रतिमानानि तेषां AUC-मूल्यानि परस्परं स्थापयितुं चिकित्सकीय-तुलना कठिनं भवति।

अपूर्ण-प्रदर्शन-प्रतिवेदनम्: AUC बहुधा प्रतिवेदितम्, किन्तु sensitivity, specificity, PPV, NPV, calibration slope/intercept, decision curve analysis तथा confusion matrix-दत्तांशाः सुसंगततया न दत्ताः।

सीमित-बाह्य-validation: समीक्षायाः मूल्याङ्कनानुसारं केवलं चत्वारि अध्ययनानि कालिक-, prospective- अथवा बाह्य-validation-संरचनायुक्तानि। पाश्चात्य-दत्तांशसमूहे प्रत्यक्ष-स्थानान्तरण-परीक्षा विशेषतः सीमिता।

गणनात्मक-व्ययस्य अप्रतिवेदनम्: समाविष्ट-अध्ययनानि training-time, inference-latency, memory-use तथा CPU/GPU-आवश्यकताः इत्यादीन् प्राविधिक deployment-व्ययान् व्यवस्थिततया न प्रतिवेदितवन्ति। एषः अभावः विशेषतः चिकित्सालय-अवसंरचनायां real-time-प्रयोगस्य मूल्याङ्कनं कठिनं करोति।

Predictor-क्षेत्र-ablation: प्रयोगशाला, coagulation, volumetry, radiomics तथा कालिक-परिवर्तक-समूहान् समान-प्रतिमान-ढाँचे क्रमशः निष्कास्य पुनः प्रशिक्षणं करोति एतादृशः पूर्णः संयुक्त-ablation उपलब्धः नास्ति।

Distribution shift-सुरक्षा: न्यून-विश्वासयुक्ताः स्थितयः स्वचालित-निर्णयस्य स्थाने चिकित्सकं प्रति प्रेषयन्ति ये selective prediction अथवा cost-aware deferral-सदृशाः सुरक्षा-उपायाः समाविष्ट-अध्ययनेषु औपचारिकतया न प्रयुक्ताः।

भावी-अनुसन्धानाय अनुशंसाः

समीक्षालेखकाः अनुशंसन्ति यत् भविष्ये प्राथमिक-परिणाम-परिभाषारूपेण यथासम्भवं मानकीकृतं चिकित्सकीयदृष्ट्या अर्थपूर्णं ISGLS grade B/C PHLF प्रयुज्यताम्; AUC-सह sensitivity, specificity, PPV, NPV, calibration तथा decision curve analysis प्रतिवेद्यताम्; बहुकेन्द्रिकाः भौगोलिकदृष्ट्या विविधाः बाह्य-validation-अध्ययनाः वर्ध्यन्ताम्।

तथैव प्रयोगशाला-आधारितान् यकृत्-आरक्षित-क्षमता-सूचकान् imaging तथा अल्पकालिक-perioperative-कालिक-दत्तांशैः संयोजयन्ति ये multimodal-प्रतिमानाः, तेषाम् अनुसन्धानं मूल्यवान् इति मन्यते। तथापि अधिक-जटिलं प्रतिमानं वास्तविकं चिकित्सकीय-लाभं ददाति वा न इति मूल्याङ्कयितुं तत् शक्तिशालिभिः तथा न्यून-व्यययुक्तैः आधार-प्रतिमानैः प्रत्यक्षं तुलनीयम्।

अन्तिम-चरणे आवश्यकता केवलं उच्चतरस्य AUC-स्य नास्ति। Prospective decision-impact-अध्ययनैः दर्शनीयम् यत् पूर्वानुमान-प्रणाली शल्य-रणनीतिं, FLR-वर्धन-प्रयत्नान्, postoperative-निरीक्षणस्य तीव्रतां अथवा rescue-उपचारान् वास्तवतया परिवर्तयति वा, तथा रोगिभ्यः चिकित्सकीय-लाभं जनयति वा।

अध्ययनेन समर्थिताः निष्कर्षाः

वर्तमान-साहित्यं समर्थयति यत् ML-आधारित-प्रतिमानानि PHLF-जोखिम-विभेदने आशाजनकं प्रदर्शनं दर्शयितुं शक्नुवन्ति। Gradient boosting, ANN/deep learning, radiomics तथा कालिक-प्रतिमानेषु सर्वत्र चिकित्सकीयदृष्ट्या अर्थपूर्णा विभेदन-क्षमता सूचिता। यकृत्-आरक्षित-क्षमता-सूचकाः, imaging तथा perioperative-सूचना संयुक्ततया प्रयुज्यमानाः चेत् शक्तिशालिनः प्रतिमानाः निर्मातुं शक्यन्ते इति सुसंगताः सङ्केताः सन्ति।

समीक्षा अपि समर्थयति यत् validation-रचना प्रतिमानस्य सफलतावत् एव महत्त्वपूर्णा। विशेषतः कालिक-, prospective- तथा स्वतन्त्र-बाह्य-validation प्रतिमानस्य वास्तविक-सामान्यीकरण-क्षमतायाः विषये random-आन्तरिक-test-विभाजनेभ्यः अधिक-शक्तिशालीं प्रमाणं ददति।

अध्ययनेन असमर्थिताः निष्कर्षाः

समीक्षा न दर्शयति यत् कश्चित् विशिष्टः ML-वास्तु PHLF-कृते सार्वत्रिकतया सर्वोत्तमः प्रतिमानः अस्ति। 0,981-सदृशानि उच्च-AUC-मूल्यानि सर्वेषु चिकित्सालयेषु, देशेषु तथा रोगी-समूहेषु स्थानान्तरयितुं शक्यानि सुनिश्चित-प्रदर्शन-मूल्यानि न सन्ति।

अध्ययनं decision-impact-प्रयोगः नास्ति यः सिद्धयति यत् ML-आधारितानां PHLF-पूर्वानुमान-उपकरणानां नियमित-चिकित्सकीय-प्रयोगः रोगी-मृत्युं अथवा जटिलता-दरं न्यूनीकरोति। समाविष्ट-प्रतिमानानां अधिकांशः retrospective-दत्तांशे आधारितः तथा अनेक-प्रतिमानेषु स्वतन्त्र-बाह्य-validation अभावः अस्ति।

यन्त्राधिगमः चिकित्सकस्य निर्णयं स्वयमेव परिवर्तयेत् अथवा शल्यक्रिया-निर्णयं एकाकी कुर्यात् इति निष्कर्षः अपि अस्याः व्यवस्थित-समीक्षायाः न निष्कर्षयितुं शक्यते। स्रोतस्य भावी-दृष्टिः अधिक-पारदर्शकानां, बाह्य-validated, calibrated तथा चिकित्सकीय-निर्णय-लाभं दर्शितवतां प्रणालीनां आवश्यकतां बलं ददाति।

स्रोत-विधि-विषयक-टिप्पणी

मूल-अध्ययनम्: Machine Learning Models for Predicting Post-Hepatectomy Liver Failure: A Systematic Review

लेखकाः: Calin Muntean; Vasile Gaborean; Razvan Constantin Vonica; Sebastian Aurelian Stefaniga; Alaviana Monique Faur; Catalin Vladut Ionut Feier.

उत्तरदायी लेखकौ: Vasile Gaborean तथा Razvan Constantin Vonica.

संस्थाः: “Victor Babeş” University of Medicine and Pharmacy Timişoara-अन्तर्गताः Medical Informatics and Biostatistics, Thoracic Surgery Research Center, Surgical Semiology, Doctoral Studies तथा Abdominal Surgery and Phlebology Research Center-विभागाः; “Lucian Blaga” University of Sibiu, Preclinical Department/Physiology; West University of Timişoara, Department of Computer Science; “Pius Brinzeu” Clinical Emergency Hospital, First Surgery Clinic.

पत्रिका: AI.

प्रकाशकः: MDPI.

स्रोत-प्रकारः: व्यवस्थित-समीक्षा.

प्रकाशन-विवरणम्: AI 2026, 7(5), 166.

DOI: 10.3390/ai7050166

प्रेषणम्: 27 मार्च 2026.

संशोधनम्: 25 अप्रैल 2026.

स्वीकृतिः: 5 मई 2026.

प्रकाशनम्: 9 मई 2026.

आधिकारिक-प्रकाशन-सङ्केतः: https://www.mdpi.com/2673-2688/7/5/166

अनुज्ञप्तिः: मुक्त-प्रवेशः, Creative Commons Attribution (CC BY).

व्यवस्थित-समीक्षा-संरचना: PRISMA 2020, Cochrane Handbook-अनुशंसाः, CHARMS तथा PROBAST प्रयुक्तानि।

पञ्जीकरण-टिप्पणी: लेखस्य सारांश- तथा विधि-विभागौ प्रोटोकॉल PROSPERO-मध्ये पञ्जीकृतः इति वदतः। तस्मिन् एव विधि-विभागे Open Science Framework-पञ्जीकरणरूपेण DOI 10.17605/OSF.IO/67CQ3 अपि दत्तम्। PDF-मध्ये पृथक् PROSPERO CRD-पञ्जीकरण-संख्या न दृश्यते; अतः एते द्वे कथने न संयोजिते, न च अनुमानिते।

वित्तपोषणम्: लेखस्य article processing charge-व्ययः Victor Babeş University of Medicine and Pharmacy Timişoara संस्थया वहितः इति सूचितम्।

संस्थागत-नीतिसमितिः: प्रयोज्यं नास्ति।

सूचित-सम्मतिः: प्रयोज्यं नास्ति।

दत्तांशोपलब्धता: लेखकाः सूचयन्ति यत् अस्याः व्यवस्थित-समीक्षायाः कृते नूतन-दत्तांशाः न निर्मिताः, न वा विश्लेषिताः।

हितसंघर्षः: लेखकाः हितसंघर्षस्य अभावं घोषितवन्तः।

AI-प्रयोग-वक्तव्यम्: लेखकाः वदन्ति यत् ChatGPT v4.0 केवलं लेखस्य भाषां पठनीयतां च सुधारयितुं प्रयुक्तम्; वैज्ञानिक-विषयवस्तु, व्याख्याः तथा निष्कर्षाः लेखकानां स्वकीयानि।

लेखक-योगदानानि: संकल्पना Calin Muntean, Vasile Gaborean तथा Razvan Constantin Vonica; methodology Calin Muntean, Sebastian Aurelian Stefaniga तथा Razvan Constantin Vonica; software Sebastian Aurelian Stefaniga; validation Calin Muntean, Vasile Gaborean तथा Razvan Constantin Vonica; formal analysis Calin Muntean तथा Sebastian Aurelian Stefaniga; investigation Calin Muntean तथा Alaviana Monique Faur; data curation इत्यत्र Calin Muntean तथा Alaviana Monique Faur इत्येतयोः योगदानम् आसीत्। प्रथम-प्रारूपं Calin Muntean-कर्तृकम् आसीत्; पुनरवलोकन-सम्पादनयोः Vasile Gaborean, Razvan Constantin Vonica, Sebastian Aurelian Stefaniga तथा Catalin Vladut Ionut Feier योगदानं दत्तवन्तः।

प्रमुख-पद्धतिगत-सीमाः: समाविष्ट-अध्ययनानां अधिकांशस्य retrospective तथा एककेन्द्रिक-स्वभावः; PHLF-endpoint-स्य विषम-परिभाषा; भौगोलिकदृष्ट्या पूर्व-एशिया-प्रधान-दत्तांशः; calibration, sensitivity तथा specificity-स्य असुसंगत-प्रतिवेदनम्; बाह्य-validation-अभावः; भिन्न-प्रतिमान-परिवाराणां प्रत्यक्ष-तुलनायाः असम्भवता; तथा गणनात्मक-व्ययानां अपर्याप्त-प्रतिवेदनम्।

Verianla-विधि-टिप्पणी: एषः पाठः स्रोत-लेखस्य पङ्क्ति-पङ्क्ति-अनुवादः नास्ति। स्रोतस्थः चिकित्सकीय-प्रश्नः, व्यवस्थित-समीक्षा-विधिः, रोगी-अध्ययन-संख्याः, प्रतिमान-प्रदर्शनानि, validation-रणनीतयः, predictor-क्षेत्राणि, चित्राणां वैज्ञानिक-सन्देशः, चर्चा तथा सीमाः संरक्षिताः; तेषां आधारेण स्वतन्त्र-शिक्षण-संरचना निर्मिता। स्रोत-अनुपस्थितः चिकित्सकीय-परिणामः, प्रदर्शन-मापः अथवा प्रतिमान-सफलता न योजिता।

चिकित्सकीय-व्याख्या-सीमा: अत्र निर्दिष्टानि प्रतिमान-प्रदर्शनानि चिकित्सकीय-निर्णय-सहायता-अनुसन्धानसम्बद्धानि। तानि एकाकिनः कस्यचित् रोगिणः शल्यक्रिया-योग्यतां, PHLF-जोखिमं अथवा उपचार-योजनां निर्धारयितुं न प्रयोज्यानि; चिकित्सकीय-निर्णयाः रोगिविशिष्टं मूल्याङ्कनं तथा validated-स्थानीय-प्रोटोकॉल अपेक्षन्ते।