机器学习预测胎儿心脏病的结果:试点研究
L E Nield1, C Manlhiot2, K Magor3
1Sunnybrook Health Sciences Centre, 2075 Bayview Avenue, Toronto, ON, M4N 3M5, Canada. lynne.nield@sunnybrook.ca.
Pediatric cardiology
|May 9, 2024
概括
机器学习模型准确地预测了先天性心脏病 (CHD) 的胎儿的结果,有助于临床决策. 这些模型预测死亡,新生儿护理需求和有利的结果,提高预后准确度.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 遗传学 是一个遗传学.
背景情况:
- 产前诊断先天性心脏病 (CHD) 在预测产后结果方面存在重大挑战.
- 机器学习 (ML) 为提高预后准确性和减少临床不确定性提供了一种有希望的方法.
研究的目的:
- 开发和评估ML算法,用于预测子宫/新生儿死亡,高急性新生儿护理,以及患有心脏病的胎儿的良好结果.
- 确定影响这些结果的关键预测因素.
主要方法:
- 一项试点研究使用XgBoost算法训练了ML模型,对150名被诊断患有心脏病的胎儿的临床数据进行了五倍交叉验证.
- 预测的结果包括胎儿/新生儿死亡,高急性新生儿护理和有利的结果.
主要成果:
- 预测模型实现了死亡的AUC为0.76,高急性护理的AUC为0.84,有利的结果为0.73.
- 死亡的关键预测因素包括非心脏异常和心脏病严重程度.
- 抗Ro抗体和CHD严重程度预测了高急性护理;缺少右心脏病,遗传异常和孕产妇药物预测了有利的结果.
结论:
- ML模型在预测患有冠状动脉疾病的胎儿的关键产前和产后结果方面表现出良好的区别.
- 这些模型可以帮助临床医生管理与产前心血管疾病诊断相关的不确定性.
- 进一步的研究可以完善ML应用程序以实现个性化的CHD管理.
