机器学习用于预测胎盘外科病发率 合频谱
Itamar D Futterman1,2, Olivia Sher1, Chaskin Saroff3
1Division of Maternal Fetal Medicine, Department of Obstetrics and Gynecology, Maimonides Medical Center, Brooklyn, New York.
American journal of perinatology
|September 17, 2024
概括
机器学习模型可以预测胎盘增殖谱 (PAS) 病例中的手术发病率. 识别社会和产科因素有助于风险分层,以便更好地进行手术规划.
科学领域:
- 产周医学 产周医学
- 机器学习在医疗保健中的应用
- 手术风险评估手术风险评估
背景情况:
- 胎盘增生谱 (PAS) 带来了显著的手术风险.
- 在PAS中预测手术发病率对于患者管理至关重要.
- 现有的PAS并发症预测模型是有限的.
研究的目的:
- 开发一种机器学习 (ML) 模型,用于预测胎盘增生谱 (PAS) 病例中的手术发病率.
- 确定导致PAS手术发病率的关键变量.
- 建立一个风险分层和在PAS中优化手术规划的基础.
主要方法:
- 对401个PAS病例 (2013-2022) 的多中心分析.
- 使用213个变量的渐变增强树分类器模型的开发.
- 使用AUC,PPV,NPV和F1得分对模型性能进行评估.
主要成果:
- 该ML模型实现了0.79的AUC用于预测外科手术发病率.
- 关键预测因素包括子宫切除术完成,妊娠前的BMI,社会经济地位和产前访问频率.
- 77%的PAS病例至少发生过一次外科手术致病事件.
结论:
- ML模型有效地预测PAS相关的外科病率.
- 社会和产科因素是手术风险的重要预测因素.
- ML可以提高风险分层,以改善PAS病例的手术规划.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
09:51Model Surgical Training: Skills Acquisition in Fetoscopic Laser Photocoagulation of Monochorionic Diamniotic Twin Placenta Using Realistic Simulators
Published on: March 21, 2018
19.6K