使用机器学习算法推导和验证预测早产子的预测
Tetsuya Kawakita1, Juliana G Martins1, Yara H Diab1
1Department of Obstetrics and Gynecology, Macon and Joan Brock Virginia Health Sciences at Old Dominion University (ODU), Norfolk, Virginia.
American journal of perinatology
|December 4, 2024
概括
机器学习模型使用早期怀孕数据准确地预测37周之前的早产子. 一个在线工具可用于临床应用.
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:
- 产前是导致孕产妇和新生儿发病的主要原因.
- 早期预测早产前对于及时干预至关重要.
- 当前的预测模型往往缺乏准确性或没有得到广泛采用.
研究的目的:
- 开发和验证机器学习 (ML) 模型,以利用妊娠23周之前可用的信息来预测早产子宫.
- 为了确定早产子的关键预测特征.
- 创建一个可访问的工具用于临床使用.
主要方法:
- 无卵性妊娠结果研究的二次分析:监测即将成为母亲 (nuMoM2b) 队列.
- 利用了131个特征,包括人口统计,病史和早期超声波数据.
- 开发并比较多个ML模型 (glmnet,多层感知子,随机森林,XGBoost,LightGBM),选择XGBoost进行最终模型开发.
主要成果:
- XGBoost模型实现了最高的曲线下面积 (AUC) 0.749.
- 一个具有八个关键特征的最终模型 (包括子宫动脉脉动指数,慢性高血压,糖尿病,血压,BMI和母亲年龄) 显示出强大的预测性能 (AUC 0.741在训练中,0.779在验证中).
- 为最终预测模型开发了一个在线应用程序.
结论:
- 机器学习算法利用怀孕23周之前可用的信息,可以准确预测早产前.
- 开发的模型结合了早期超声波和临床数据,为早期风险识别提供了有前途的工具.
- 在线应用程序有助于将这种预测模型纳入临床实践.
