一个新的预测机器学习模型将细胞因子集成到宫和阴道粘液中,提高了早产预测率
Hector Borboa-Olivares1,2, Maria Jose Rodríguez-Sibaja3, Aurora Espejel-Nuñez4
1Community Interventions Research Branch, Instituto Nacional de Perinatología Isidro Espinosa de los Reyes, Mexico City 11000, Mexico.
International journal of molecular sciences
|September 28, 2023
概括
预测早产 (PB) 通过包括细胞因子水平而得到改善. 这项研究表明,一种新型的模型包含细胞因子,可显著提高PB检测率,帮助早期干预策略.
科学领域:
- 生殖医学 生殖医学
- 免疫学 免疫学 免疫学
- 生物医学数据科学 生物医学数据科学
背景情况:
- 过早分娩 (PB) 是婴儿死亡和发病的主要原因.
- 目前的预测方法,主要是宫长度测量,检测率有限 (~70%).
- 细胞因子介导的炎症与PB病理生理学有关,但未在临床上用于预测.
研究的目的:
- 研究特定细胞因子在宫性阴道粘液中的作用,作为早产的预测因素.
- 开发和评估机器学习模型,以改进结合细胞因子水平的早产预测.
主要方法:
- 在怀孕妇女 (18-23.6周妊娠) 的宫-阴道粘液中的量化细胞因子 (IL-2,IL-6,IFN-γ,IL-4,IL-10,IL-1ra).
- 收集临床产科数据以根据子宫长度对PB风险进行分层.
- 开发了使用临床变量和细胞因子数据进行PB预测的随机森林模型.
主要成果:
- 在高风险PB组中观察到 IL-2,IL-6,IFN-γ,IL-4和IL-10的升高,IL-1ra的降低.
- 使用母亲年龄,IL-2和子宫长度的调整模型实现了87%的检测率,超过了黄金标准.
- 含有细胞因子的模型显示了性能指标的改善:更高的检测率 (87%对66%),更低的假阳性率 (3.33%对12%) 和更低的假阴性率 (6.66%对28%).
结论:
- 在宫-阴道粘液中的细胞因子分析可以显著提高早产预测的准确性.
- 将IL-2等细胞因子与临床因素一起纳入预测模型,为识别风险妊娠提供了更有效的方法.
- 这种改进的预测准确性可能有助于及时预防早产的预防性干预.
