一个多式深度学习模型用于预测胎盘前出血的严重出血

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 产科和妇科 产科和妇科

背景情况:

• 胎盘前置会导致严重的,危及生命的出血.
• 准确预测出血对于风险分层和干预计划至关重要.

研究的目的:

• 开发和评估一种多式深度学习模型,用于预测胎盘前期严重的手术内出血.
• 将模型的性能与传统的机器学习方法和人类专家的性能进行比较.

主要方法:

• 使用MRI T2加权的胎盘图像和患者表格数据 (人口统计,手术前血液检查) 构建了一个多式深度学习模型.
• 该模型经过训练,可以预测手术期间血液损失超过2000毫升.
• 性能与仅使用表格数据或MRI图像的机器学习模型进行了评估,并与两个人类专家产科医生进行了对比.

主要成果:

• 多模式深度学习模型在预测严重出血方面获得了最高的准确性 (0.68) 和AUC (0.74).
• 仅使用表格数据或MRI图像的机器学习模型显示精度较低 (分别为0.61和0.53).
• 人类专家的平均准确率为0.61.

结论:

• 多模式深度学习有效地整合了各种数据类型 (成像和表格) 以预测出血.
• 开发的模型显示了作为人类专家在预测与胎盘前期相关的手术内出血方面的辅助工具的潜力.