用机器学习算法对晚期胎儿生长限制的预测模型
Seon Ui Lee1, Sae Kyung Choi1, Yun Sung Jo2
1Department of Obstetrics and Gynecology, Incheon St. Mary's Hospital, College of Medicine, The Catholic University of Korea, Seoul 06591, Republic of Korea.
Life (Basel, Switzerland)
|November 27, 2024
概括
一个新的机器学习模型可以使用第三个月初的数据预测晚发胎儿生长限制 (FGR). 这种简化的模型有助于评估个别的FGR风险,以更好地进行临床管理.
科学领域:
- 围产儿医学 围产儿医学
- 临床预测建模模型
- 医疗保健中的机器学习
背景情况:
- 晚期发作的胎儿生长限制 (FGR) 对新生儿构成重大风险.
- 准确预测FGR对于及时干预和改善结果至关重要.
研究的目的:
- 开发和验证一种用于预测晚发性FGR的临床模型.
- 评估机器学习算法在FGR预测中的实用性.
- 为实际临床应用创建一个简化的模型.
主要方法:
- 追溯性研究涉及七家医院和超过32,000名患者 (2009年1月 - 2020年12月).
- 使用第一季度 (E1) 和第三季度 (T1) 早期的变量开发FGR预测模型.
- 应用机器学习算法 (XGBoost) 与嵌入式特征选择,用于模型简化和验证.
主要成果:
- 预测模型在训练组中在T1实现了0.78的曲线下的面积 (AUC),在测试组中达到0.73.
- 精度回忆曲线下的面积 (AUPR) 在T1 (训练) 时为0.31和0.24 (测试).
- 一个简化的模型显示了与原始模型可比的性能,表明其临床使用的潜力.
结论:
- 一个简化的机器学习模型有效地预测了晚期发作的FGR.
- 该模型对评估个人FGR风险在第三个月初的预期非常有希望.
- 这种工具可以支持临床决策和增强产周护理.


