通过人工智能预测产内和产后出血
Carolina Susanu1, Anamaria Hărăbor1, Ingrid-Andrada Vasilache2
1Clinical and Surgical Department, Faculty of Medicine and Pharmacy, "Dunărea de Jos" University, 47 Domnească Street, 800008 Galati, Romania.
Medicina (Kaunas, Lithuania)
|October 26, 2024
概括
机器学习可以准确预测产后出血 (PPH). 纯粹贝叶斯算法在识别PPH病例及其严重程度方面显示出最高的准确性,这对孕产妇健康至关重要.
科学领域:
- 产科和妇科 产科和妇科
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 产后出血 (PPH) 是导致产妇死亡的主要原因,代表了临界的产科紧急情况.
- 准确及时预测PPH对于改善母亲的结果至关重要.
研究的目的:
- 评估四种机器学习算法对产前和产后出血的预测性能.
- 在PPH预测中比较纯粹贝叶斯,决策树,随机森林和支持矢量机算法的准确性.
主要方法:
- 一项前性多中心研究,涉及203名患者.
- 用四种机器学习算法分析了PPH和无PPH患者的临床数据.
- 根据高级创伤生命支持指南,PPH病例被分为四个严重程度类别.
主要成果:
- 纯粹贝叶斯 (NB) 算法实现了PPH预测的最高准确度 (98.6%) 和灵敏度 (96.3%).
- NB和支持矢量机 (SVM) 算法在预测轻度PPH病例方面表现出卓越的性能.
- 在预测最严重的PPH形式方面,NB表现出最高的准确性 (82.4%).
结论:
- 天真贝叶斯算法对于预测产后出血非常准确.
- 在轻度和重度PPH病例之间,算法性能有所不同,NB和SVM在轻度病例中表现出色.
- 机器学习为早期检测和管理PPH提供了一个有前途的工具.
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
07:57Modeling Neonatal Intraventricular Hemorrhage Through Intraventricular Injection of Hemoglobin
Published on: August 25, 2022
2.8K
