早期预测VLBW早产新生儿的死亡率和发病率,使用机器学习

科学领域:

• 新生儿医学 新生儿医学
• 计算生物学是一种计算生物学.
• 精准医学是一门精准的医学.

背景情况:

• 预测早产婴儿的死亡率和发病率对于及时干预至关重要.
• 早期识别健康风险可以改善婴儿的结果.

研究的目的:

• 开发机器学习 (ML) 算法,用于预测非常低出生体重 (VLBW) 的早产婴儿的死亡率和特定疾病.
• 为了准确的风险预测,在生命的前两周内整合母亲和婴儿的变量.

主要方法:

• 开发了使用47个特征的ML算法来预测死亡率,支气管肺功能失调 (BPD),新生儿败血症,死灰性肠球炎 (NEC),腹腔内出血 (IVH),囊性周腹膜白血病 (PVL) 和早产视网膜病变 (ROP).
• 利用3341名婴儿的回顾性队列进行培训和验证,并进行了10倍的交叉验证.
• 在447名婴儿的单独队列上测试模型以评估性能.

主要成果:

• 基于树的组合模型,随机森林 (RF) 和XGBoost,表现出卓越的性能.
• 对于败血症,NEC,BPD和死亡率的接收器运行特征曲线 (AUROC) 下的面积超过了0.7.
• 所有结果的精度-回忆曲线 (AUPRC) 下的面积都超过了患病率,这表明了有效的风险分层.

结论:

• 使用ML的预测分析显示了在新生儿学中推进精准医学的巨大潜力.
• 可靠的不良结果预测使主动干预成为可能,可能改善VLBW早产婴儿的健康轨迹.
• 个性化结果预测和干预措施代表了新生儿护理的重大进步.