使用计算建模和机器学习分析胎儿多普勒波形的生长受限胎儿的肺血管反应性

科学领域:

• 心血管生理学心血管生理学
• 胎儿医学 胎儿医学
• 医疗成像医学成像

背景情况:

• 胎儿生长限制 (FGR) 与胎儿血液循环的改变有关.
• 肺血管阻力 (PVR) 变化是胎儿健康的关键指标.
• 对胎儿肺血管系统的非侵入性评估对于管理FGR至关重要.

研究的目的:

• 与正常成长的胎儿相比,研究患有FGR的胎儿的肺血管.
• 为了评估母亲高氧化后肺血管结构的变化.
• 利用机器学习和计算建模来分类胎儿反应.

主要方法:

• 对97个FGR和111个正常成长的胎儿 (24-37周妊娠期) 的前性队列研究.
• 肺血管的多普勒超声波在母体氧气供应之前和之后获得.
• 机器学习和计算模型应用于多普勒波形来估计PVR和分类响应.

主要成果:

• FGR胎儿在主动脉和肺内动脉中表现出较低的基线平均速度时间积分 (VTI).
• 在FGR中观察到主要肺动脉VTI的三角变化和高氧化后肺内动脉脉动指数的显著差异.
• 机器学习基于多普勒痕迹和对高氧化反应的反应确定了两个不同的集群,B集群显示出更高的FGR流行率和改变的PVR.

结论:

• 多普勒超声波有效地检测到FGR胎儿的基线肺血管变化.
• 胎儿肺血管在FGR中对母亲的高氧化反应表现出明显的反应.
• 这些发现表明多普勒超声波和计算方法在FGR的临床管理中具有潜力.