Nowy model sztucznej inteligencji potrafi z wysoką dokładnością przewidywać objętość utraconej krwi u pacjentów poddawanych liposukcji dużych objętości — wynika z badania opublikowanego w styczniowym numerze czasopisma Plastic and Reconstructive Surgery®, oficjalnego periodyku American Society of Plastic Surgeons (ASPS), wydawanego w portfolio Lippincotta przez Wolters Kluwer. Badanie prowadzone było pod kierunkiem Mauricio E. Pereza Pachona, MD (Mayo Clinic, Rochester, Minn.) oraz Jose T. Santaelli, MD (CIMA Clinic–Loja, Ekwador).
Dlaczego przewidywanie utraty krwi w liposukcji ma znaczenie
Liposukcja jest najczęściej wykonywaną procedurą estetyczną na świecie — przeprowadza się ją u ponad 2,3 miliona pacjentów rocznie. Choć zabieg zwykle bywa bezpieczny, przy usuwaniu większych objętości tkanki może dojść do istotnej utraty krwi, co zagraża bezpieczeństwu i wydłuża rekonwalescencję. Narzędzia oparte na AI już wcześniej znalazły zastosowanie w ograniczaniu krwawień i planowaniu opieki w chirurgii kręgosłupa, ortopedii czy chirurgii urazowej; obecne badanie sprawdza, czy podobne podejście zda egzamin w chirurgii sylwetki.
Jak powstał model i na jakich danych go przetestowano
Naukowcy wykorzystali techniki uczenia maszynowego do analizy danych pochodzących od 721 pacjentów poddanych liposukcji dużych objętości — w każdym przypadku usunięto ponad 4 000 mililitrów (czyli ponad 4 litry) tłuszczu i płynów. Wszystkie zabiegi wykonywano według identycznych protokołów w dwóch klinikach: jednej w Kolumbii i drugiej w Ekwadorze. Zgromadzone dane obejmowały szeroki zestaw informacji demograficznych, klinicznych i operacyjnych.
Zbiór danych podzielono losowo: 621 pacjentów posłużyło do wytrenowania modelu przewidującego oszacowaną utratę krwi, a pozostałe 100 przypadków użyto do niezależnego przetestowania skuteczności modelu. Takie rozdzielenie treningu i testu jest standardem w badaniach nad algorytmami uczącymi się, pozwalając ocenić, jak model radzi sobie na niewidzianych wcześniej przykładach.
Wyniki: 94% trafności i niewielkie odchylenia
Model wykazał „doskonałą zgodność” między przewidywaną a oszacowaną rzeczywistą utratą krwi. Ogólna trafność narzędzia wyniosła 94%. Różnice między prognozami a rzeczywistymi wartościami cechowały się odchyleniem standardowym równym 26 ml, co oznacza niewielkie wahania wokół średniej różnicy; największa zmierzona różnica między przewidywaną a rzeczywistą utratą krwi wyniosła około 188 ml, natomiast najmniejsza — zaledwie 0,22 ml.
Taka precyzja sugeruje, że model może pełnić funkcję wsparcia decyzji w trakcie planowania i prowadzenia zabiegów modelujących sylwetkę, gdzie przewidywanie krwawienia ma bezpośrednie przełożenie na bezpieczeństwo pacjenta i przebieg operacji. Badacze podkreślają, że prognozy utraty krwi mogą być wykorzystywane do podejmowania świadomych decyzji dotyczących zarządzania płynami, przygotowania do ewentualnych transfuzji oraz podejmowania innych działań z zakresu opieki krytycznej.
Znaczenie kliniczne i plany dalszych prac
Autorzy zwracają uwagę, że zastosowanie takiego, proaktywnego podejścia może istotnie zmniejszyć częstość powikłań, skrócić czas rekonwalescencji oraz ułatwić proces informowania i uzyskiwania świadomej zgody od pacjentów. Zespół planuje dalsze badania, mające na celu dopracowanie modelu poprzez trening z wykorzystaniem danych pochodzących od chirurgów z różnych części świata. Jak komentuje dr Perez Pachon: „Wierzymy, że przyszłe badania nad technologią AI mają nieograniczony potencjał w zakresie zwiększania bezpieczeństwa pacjentów i z niecierpliwością oczekujemy dalszego rozwoju w tej dziedzinie.”
Odniesienie do publikacji: Perez Pachon, M. E., et al. (2025). Artificial Intelligence–Driven Blood Loss Prediction in Large-Volume Liposuction: Enhancing Precision and Patient Safety. Plastic & Reconstructive Surgery. doi: 10.1097/prs.0000000000012240. Pełny tekst: https://journals.lww.com/plasreconsurg/fulltext/2026/01000/artificial_intelligence_driven_blood_loss.18.aspx
