新生児の育児室における光療法を必要とする新生児黄の危険因子:機械学習アプローチ

科学分野:

• 新生児医学
• データサイエンス
• 予測分析

背景:

• 新生児の黄は,迅速に治療しなければ重度の高血球性白血病を引き起こすことが多い疾患です.
• 黄のリスクが高い新生児を早期に特定することは,現在のガイドラインにもかかわらず,臨床的な課題です.
• 既存の診断方法は重度の新生児黄の危険因子の全スペクトルを捉えることはできません.

研究 の 目的:

• 光療法が必要な新生児の黄に関連した母親と新生児の重要な危険因子を特定する.
• 新生児の光療法の必要性を予測するための機械学習モデルを開発し,検証する.
• 新生児のハイパービリルビネミアの管理のための早期の臨床意思決定を強化する.

主な方法:

• 2017年から2022年までの8242人の新生児の電子医療記録の遡及分析
• XGBoostを含む機械学習アルゴリズムの適用により,光療法の要求を予測する.
• 予測モデルを解釈し,主要なリスク要因を特定するために,SHAP値を使用した.

主要な成果:

• 出産の方法,新生児の栄養指標 (配方剤の摂取量,授乳頻度),母親のBMI,母親の白血球数の有意な予測要因として特定されました.
• 帝王切開と低出生体重は,光療法の必要性を高めました.
• XGBoostモデルは,AUROC 0.911で高い予測性能を達成しました.

結論:

• 周期のデータで訓練された機械学習モデルは,光療法を必要とする新生児の黄のリスクを正確に予測できます.
• これらの予測モデルは 幼児の健康状態を 改善する可能性がある早期臨床介入の 重要なツールです
• 機械学習を臨床実践に組み込むことは,新生児の黄に対する光療法の適時な決定を支援することができます.