基于机器学习的方法来预测子宫内生长限制
Elham Taeidi1, Amene Ranjbar2, Farideh Montazeri1
1Mother and Child Welfare Research Center, Hormozgan University of Medical Sciences, Bandar Abbas, IRN.
Cureus
|August 7, 2023
概括
机器学习准确地预测子宫内生长限制 (IUGR). 深度学习模型在识别IUGR风险因素方面表现最好,有助于早期干预.
科学领域:
- 孕产妇和胎儿的医学
- 医疗保健中的人工智能
- 在产科中使用预测建模.
背景情况:
- 宫内生长限制 (IUGR) 对新生儿构成重大风险.
- 开发IUGR准确的预测模型对于及时干预至关重要.
- 机器学习为IUGR预测整合多种风险因素提供了一个有希望的方法.
研究的目的:
- 开发和评估用于预测子宫内生长限制 (IUGR) 的机器学习模型.
- 在IUGR预测中比较不同机器学习算法的性能.
- 根据模型分析,确定导致IUGR的关键风险因素.
主要方法:
- 进行了一项涉及8683名女性的横截面研究.
- 他们使用了四种机器学习算法:决策树,随机森林,深度学习和渐变提升.
- 模型性能使用AUROC,准确度,精度和灵敏度进行评估.
主要成果:
- 子宫内生长限制 (IUGR) 的发生率为8.19%.
- 深度学习展示了最高的预测性能,AUROC为0.91.
- 确定的关键预测因素包括药物成,以前的IUGR,慢性高血压,孕前,贫血和COVID-19.
结论:
- 机器学习模型对于预测子宫内生长限制 (IUGR) 有效.
- 深度学习算法为IUGR预测提供了一个高度准确的方法.
- 通过先进的建模识别高风险怀孕可以改善围产期的结果.


