在接受辅助生殖的妇女中预测与怀孕相关的并发症,使用机器学习方法
Chen Wang1, Anna L V Johansson1, Cina Nyberg2
1Department of Medical Epidemiology and Biostatistics, Karolinska Institutet, Stockholm, Sweden.
Fertility and sterility
|February 19, 2024
概括
使用人口统计和ART治疗数据的机器学习模型在预测接受辅助生殖技术 (ART) 的妇女怀孕并发症方面取得了有限的成功. 需要进一步的研究来提高预测准确度,以获得更好的临床方案.
科学领域:
- 生殖医学 生殖医学
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 辅助生殖技术 (ART) 越来越多地用于不孕症治疗.
- 怀孕并发症对母亲和孩子都有风险,需要准确的预测方法.
- 预测ART怀孕中的并发症对于有针对性的干预至关重要.
研究的目的:
- 开发和比较机器学习模型,用于预测通过ART怀孕的妇女的妊娠并发症.
- 在ART怀孕中确定子宫前,胎盘并发症和产后出血的关键预测因素.
主要方法:
- 一项全国性的队列研究,利用从瑞典国家登记处和IVF质量登记处前性收集的数据.
- 包括在前三个ART周期 (2008-2016) 内分娩的无产妇.
- 使用ART前特征和ART治疗细节的预测模型的开发,采用逻辑回归,支持矢量机器和随机森林等算法,通过C-统计评估性能.
主要成果:
- 预测模型实现了中等的性能,在第一周期中预产前,胎盘并发症和产后出血的最佳预测分别为66%,66%和60%.
- 将治疗后的特征和预测纳入后期循环中,只提供了轻微的改善 (1-5%).
- 关键预测因素包括母亲的年龄,地区,不孕症诊断和胚胎移植类型; 身体质量指数对妊娠前和胎盘并发症具有重要意义.
结论:
- 目前的模型结合了人口统计,病史和ART数据,不足以自信地预测ART怀孕中的严重妊娠并发症.
- 怀孕期间可能需要进行额外的纵向监测,以提高预测的准确性,并为临床方案的开发提供信息.
