一种基于人工智能的新模型,用于查早产儿
Valter Lacerda de Andrade Júnior1, Marcelo Santucci França2, Roberto Angelo Fernandes Santos1
1Graduate and Postgraduate Department, Impacta School of Technology, São Paulo, Brazil.
概括
人工智能 (AI) 提供了一种新的方法来选35周前的自发早产 (sPTB). 与传统的宫长度测量相比,这种AI模型显著提高了预测准确度.
科学领域:
- 围产科和产科 围产科和产科
- 医疗人工智能 医疗人工智能
- 生物医学数据科学 生物医学数据科学
背景情况:
- 在怀孕35周之前的自发早产 (sPTB) 是单子妊娠的一个重大问题.
- 目前的查方法,如通过阴道超声波测量宫长度 (CL),在预测准确性方面存在局限性.
- 需要改进查工具,以识别具有sPTB高风险的怀孕.
研究的目的:
- 开发和评估一种基于人工智能 (AI) 的新型查工具,用于在妊娠35周之前自发早产 (sPTB).
- 将AI模型的性能与传统方法比较,例如宫长度 (CL) 测量和后勤回归 (LR).
- 评估AI在改善sPTB预测准确度和减少错误阳性结果方面的临床实用性.
主要方法:
- 一组524个单独怀孕的队列在怀孕18-24周之间接受了通过阴道的超声波来测量CL.
- 使用基于堆叠的集体学习方法 (SBELM) 构建了一个AI模型,结合了CL,后勤回归变量和神经网络算法.
- 性能指标包括曲线下的面积 (AUC),灵敏度,特异性和预测值,用于CL,LR和SBELMAI模型.
主要成果:
- 人工智能模型 (SBELM) 与CL<25mm和后勤回归相比显示出更高的性能.
- 在10%的假阳性率下,SBELM的AUC为0.808,灵敏度为47.3%,特异性为92.8%.
- 人工智能模型显示,在预测sPTB<35周时,比CL<25毫米有统计学显著的改善 (p <.00001).
结论:
- 应用到临床和超声波数据的人工智能为35周前的sPTB查提供了一个可行的策略.
- 人工智能模型显著提高了与短子宫相关的预测性能,提供了更高的准确性与较低的错误阳性率.
- 这种人工智能驱动的方法有望更有效地早期识别可能导致早产风险的怀孕.
