验证第一季度机器学习模型用于预测亚洲人群中妊娠前的验证
Long Nguyen-Hoang1, Daljit S Sahota1, Ritsuko K Pooh2
1Department of Obstetrics and Gynecology, Prince of Wales Hospital, The Chinese University of Hong Kong, Hong Kong SAR.
概括
一个人工智能和机器学习 (AI+ML) 模型显示了与胎儿医学基金会 (FMF) 模型在调整后在亚洲人群中进行第一个三个月子前查的可比性能. 这种AI+ML模型可以帮助早期检测和管理子宫前.
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
- 生殖健康 生殖健康
背景情况:
- 孕前是全世界孕产妇和胎儿发病的主要原因之一.
- 第一个三个月的查对于早期识别和治疗子宫前至关重要.
- 现有的查模型需要在不同族群中进行验证和潜在改进.
研究的目的:
- 评估人工智能和机器学习 (AI+ML) 模型对预测妊娠前三个月妊娠前的有效性.
- 将AI+ML模型的表现与已建立的胎儿医学基金会 (FMF) 竞争风险模型在一个大型亚洲队列中进行比较.
- 评估调整生物化学标记分析仪对AI+ML模型预测准确性的影响.
主要方法:
- 一项前性队列研究的二次分析,涉及亚洲七个地区的10,935例单胎怀孕.
- 应用AI+ML模型 (模型1) 使用母因子,平均动脉压,子宫动脉脉动指数和胎盘生长因子 (PlGF).
- 重新训练AI+ML模型 (模型2),对plgf分析器进行调整,然后使用delong测试将曲线下的面积 (auc) 与fmf模型进行比较.
主要成果:
- 模型1的预测性能明显低于FMF模型的预产前期,预产期和任何妊娠前期.
- 在重新培训和调整PlGF分析仪后,Model 2显示了所有孕前类别的AUC值有所改善.
- 模型2的表现与FMF模型对于早产期和晚产期前的表现相当,但对于任何前的表现仍然较差.
结论:
- 在对生物化学标记分析器进行调整后,AI+ML预测模型实现了与FMF竞争风险模型相匹配的性能,用于亚洲人口的第一季度孕前查.
- 这种调整后的AI+ML模型提供了一个有前途的工具,可以改善在不同族群中早期检测子宫前症.
- 进一步的研究可能是有必要的,以优化模型预测任何预先孕.
