機械学習を用いた分娩前肩甲難産予測

科学分野:

• 産科婦人科
• ヘルスケアにおける機械学習
• 周産期医学

背景:

• 肩甲難産（SD）は、予測不可能な発生を伴う重大な産科緊急事態です。
• SDの正確な予測は、情報に基づいた分娩管理と新生児罹患率の低下のために不可欠です。
• SDの現在のリスク評価方法には限界があります。

研究 の 目的:

• 肩甲難産を予測するための機械学習（ML）モデルを開発および検証すること。
• MLアルゴリズムを使用してSDの主要な予測因子を特定すること。
• 臨床現場におけるMLモデルのパフォーマンスを評価すること。

主な方法:

• 10年間の在胎期間単胎経腟分娩の後ろ向き分析。
• モデル開発のために11の母体および胎児の特徴が選択されました。
• CatBoostモデルは、70:30のデータ分割と交差検証を使用してトレーニングおよび検証され、AUCを主要なパフォーマンス指標としました。

主要な成果:

• 分娩の0.18%（94/51,628）で肩甲難産が発生しました。
• 予測因子には、母体BMIの高さ、身長の低さ、糖尿病、出生体重の増加が含まれていました。
• CatBoostモデルはAUC 0.83を達成し、超音波による胎児推定体重（55.6%）と母体BMI（20.1%）が最も重要な予測因子でした。

結論:

• 機械学習モデル、特にCatBoostは、肩甲難産の予測において強力なパフォーマンスを示しています。
• モデルの高いAUC（0.83）は、分娩計画における臨床的意思決定への潜在的な有用性を示唆しています。
• EFWや母体BMIなどの主要な特徴は、SD予測に不可欠であり、リスク評価へのデータ駆動型アプローチを提供します。