计算方法预测早产和新生儿的结果.
David Seong1, Camilo Espinosa2, Nima Aghaeepour3
1Immunology Program, Stanford University School of Medicine, 300 Pasteur Drive, Grant S280, Stanford, CA 94305-5117, USA; Medical Scientist Training Program, Stanford University School of Medicine, 300 Pasteur Drive, Grant S280, Stanford, CA 94305-5117, USA; Department of Microbiology and Immunology, Stanford University School of Medicine, 300 Pasteur Drive, Grant S280, Stanford, CA 94305-5117, USA; Department of Anesthesiology, Perioperative and Pain Medicine, Stanford University, School of Medicine, 300 Pasteur Drive, Grant S280, Stanford, CA 94305-5117, USA.
Clinics in perinatology
|May 5, 2024
概括
人工智能 (AI) 可以分析复杂的数据,以提高对早产 (PTB) 的理解. 这篇评论探讨了人工智能.
科学领域:
- 生殖健康 生殖健康
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
背景情况:
- 过早分娩 (PTB) 是婴儿死亡率和发病率的主要原因.
- 了解PTB的多因素原因需要先进的分析方法.
- 目前对PTB及其发病率的预测模型需要改进.
研究的目的:
- 审查人工智能 (AI) 在分析早产研究多式联络数据中的应用.
- 突出AI在获得对导致PTB的复杂因素的新见解方面的潜力.
- 评估各种数据源的整合,以提高PTB预测和理解.
主要方法:
- 对利用人工智能进行早产分析的研究进行审查.
- 在电子健康记录 (EHR) 中对AI应用的分析.
- 检查AI在解释生物学数据和健康社会决定因素 (SDOH) 度量方面的作用.
主要成果:
- 人工智能为分析与PTB相关的高维,多模式数据集提供了强大的工具.
- 将EHR,omics和SDOH数据与AI集成,可以揭示与PTB相关的复杂模式.
- 人工智能促进了对PTB的更深入的生物学和临床理解.
结论:
- 用人工智能驱动的多式联运数据分析对推进早产研究具有重大前景.
- 通过人工智能可以实现更好的预测模型和生物洞察力.
- 未来的研究应该专注于利用人工智能进行全面的PTB风险评估和预防策略.


