用PREVAL研究中的队列来验证机器学习模型的第一季度预测子宫前
M M Gil1,2, D Cuenca-Gómez1,2, V Rolle1,3
1Department of Obstetrics and Gynecology, Hospital Universitario de Torrejón, Torrejón de Ardoz, Madrid, Spain.
概括
一个新的人工智能模型有效地选了第一季度的子宫前 (PE),在不同人群中显示了与现有方法相似的性能. 生物化学测试分析仪的调整对于在各种环境中获得准确结果至关重要.
科学领域:
- 产科和妇科 产科和妇科
- 人工智能在医学中的应用
- 生物标记分析 生物标记分析
背景情况:
- 传统上,第一次三个月内对子宫前 (PE) 的查使用竞争性风险模型,将母亲的病史和生物标志物与中位数 (MoM) 的倍数结合起来.
- 人工智能 (AI) 使用机器学习 (ML) 模型提供了一种新的方法,可以绕过对MoM转换的需求,从而可能简化选.
研究的目的:
- 评估之前开发的基于ML的第一季度PE查模型的跨人群适用性.
- 为了比较ML模型与标准竞争风险模型在多样化的群体中的性能.
主要方法:
- 一个完全连接的神经网络的ML模型,在英国数据 (母因子,MAP,UtA-PI,PlGF,PAPP-A) 上训练,应用于西班牙队列 (10,110次怀孕).
- 查性能使用曲线下的面积 (AUC) 和检测率 (DR) 以10%的查阳性率 (SPR) 进行评估.
- 根据使用线性回归的英国和西班牙队列之间的PlGF分析仪使用差异进行了调整.
主要成果:
- 该ML模型的性能与胎儿医学基金会 (FMF) 的竞争风险模型相提并论.
- 早期,早产和所有PE的检测率在10%SPR时分别为84.4%,77.8%和55.7%,AUC为0.920,0.913和0.846.
- 该模型在没有对人口进行特定调整的情况下证明了有效性,尽管对PlGF.需要调整分析仪.
结论:
- 一个基于神经网络的ML模型提供了有效的第一季度PE查,适用于不同人群.
- 在在新种群中实施ML模型之前,对生物化学测试进行分析器调整至关重要.
- 在全球范围内,ML模型显示了提高PE查准确性和可访问性的前景.
相关概念视频
01:03Prediction Intervals
The interval estimate of any variable is known as the prediction interval. It helps decide if a point estimate is dependable.
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
The...
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
The...
01:21Cancer Survival Analysis
Cancer survival analysis focuses on quantifying and interpreting the time from a key starting point, such as diagnosis or the initiation of treatment, to a specific endpoint, such as remission or death. This analysis provides critical insights into treatment effectiveness and factors that influence patient outcomes, helping to shape clinical decisions and guide prognostic evaluations. A cornerstone of oncology research, survival analysis tackles the challenges of skewed, non-normally...