基于机器学习的风险预测模型,用于预测免疫异常的孕妇中流产的预测
Yue Wu1, Xixuan Yu2, Mengting Li1
1Department of Pharmacy, Personalised Drug Therapy Key Laboratory of Sichuan Province, Sichuan Academy of Medical Sciences and Sichuan Provincial People's Hospital, School of Medicine, University of Electronic Science and Technology of China, Chengdu, China.
Frontiers in pharmacology
|May 7, 2024
概括
机器学习准确地预测了免疫异常怀孕中流产风险. 在XGBoost模型中,药物使用被确定为关键因素,为改善妊娠结果提供了一种具有成本效益的方法.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 临床风险预测预测
背景情况:
- 免疫异常共同怀孕增加了不良妊娠结果的风险.
- 传统的风险管理系统对于这些患者缺乏预测准确性.
- 需要改进的临床工具来识别高风险怀孕.
研究的目的:
- 开发一种机器学习模型,用于预测免疫异常妊娠中流产风险.
- 确定导致流产的关键风险因素.
- 为早期临床干预和改善结果提供辅助工具.
主要方法:
- 分析了565例免疫异常怀孕的电子医疗记录.
- 数据被分为训练 (80%) 和测试 (20%) 集.
- 采用了XGBoost算法,通过十倍交叉验证和引导验证进行验证. 用SHapley添加式扩展 (SHAP) 来进行特征解释.
主要成果:
- XGBoost模型实现了高预测性能,曲线下的面积 (AUC) 为0.9209.
- 确定的重大风险因素包括药物总数,阿司匹林和低分子量肝素的使用.
- 该模型显示出了相当大的经济价值,节省了超过74万日元.
结论:
- 一个机器学习模型有效地预测了免疫异常怀孕中流产风险.
- 怀孕期间使用药物是早期风险评估的关键因素.
- 这种预测模型在准确性和成本效益方面超过了传统系统,如怀孕风险管理系统 (PRMS).
更多相关视频
07:46Author Spotlight: Advancing Reproductive Immunology with a Protocol for the Quantitative Evaluation of Endometrial Immune Cells
Published on: October 13, 2023
1.2K
09:09Generating a Reproducible Model of Mid-Gestational Maternal Immune Activation using PolyI:C to Study Susceptibility and Resilience in Offspring
Published on: August 17, 2022
1.6K
