機械学習による妊娠中絶のリスクを予測する比較研究

科学分野:

• 産婦人科
• 医療情報学
• コンピュータ生物学

背景:

• 妊娠中絶の危険は,非特異的な症状と,他の妊娠初期出血と重複する原因のために予測することが困難です.
• 連続超音波検査や臨床モニタリングなどの現在の診断方法は時間がかかり,早期介入のタイミングが欠けている.
• 妊娠中絶の脅威を早期に発見し,リスクの階層化を改善するために,高度な分析ツールが必要です.

研究 の 目的:

• 通常の血液検査データを用いて妊娠中絶のリスクを予測するための機械学習 (ML) モデルを開発し評価する.
• 妊娠中絶の脅威を特定する 8 つの異なる ML アルゴリズムのパフォーマンスを比較する.
• 妊娠中絶の危険を予測する 最も重要な血液指標を特定する

主な方法:

• 1764人の妊娠中絶の患者と1489人の対照群 (2022年1月〜2024年3月) の医療記録を収集した.
• 血液の通常の指標にZスコアの正常化を適用し,ハイパーパラメータの最適化のために"class_weight="balanced"を使用した.
• 8つのMLアルゴリズム (LR,RF,SVM,GBM,XGB,DNN,DT,NB) を訓練し,AUC,精度,特異性,感度,F1スコアを用いてパフォーマンスを評価した.

主要な成果:

• ディープニューラルネットワーク (DNN) モデルは96. 76%のAUCで最高の予測性能を達成しました.
• DNNモデルは,精度 (91.88%),特異性 (91.62%),感度 (92.11%),F1スコア (92.48%) といった優れた指標を示した.
• SHAPの分析では,RDW-SD,PDW,MPV,RDW-CV,BAS#,PLT,MCHC,およびLYMが重要な予測特性として特定されました.

結論:

• 通常の血液検査を利用した 機械学習モデルは 妊娠中絶の脅威を早期に検出する 大きな可能性を秘めています
• 開発されたMLモデルは,早期の介入で医療提供者を助け,潜在的に中絶の発生率を減らすことができます.
• MLモデルを臨床的に導入する前に,さらなる広範な検証試験が必要である.