使用机器学习的生命体征来早期预测早产新生儿的瘤性肠球炎
Rosa Verhoeven1,2, Thijmen Kupers2,3, Celina L Brunsch2
1Department of Surgery, Division of Pediatric Surgery, University Medical Center Groningen, University of Groningen, Hanzeplein 1, P.O. Box 30.001, 9700 RB Groningen, The Netherlands.
Children (Basel, Switzerland)
|January 8, 2025
概括
现在可以利用生命体征早期预测早产婴儿的死性肠球炎 (NEC). 大脑和骨氧化是关键指标,使得针对这种严重的新生儿疾病进行有针对性的预防疗法.
科学领域:
- 新生儿医学 新生儿医学
- 生物医学工程 生物医学工程
- 在医疗保健中的数据科学.
背景情况:
- 结核性肠球炎 (NEC) 是一种严重的胃肠道疾病,会影响早产婴儿.
- 准确预测NEC是一个挑战,限制了早期的预防干预.
- 近红外光谱学 (NIRS) 提供了监测婴儿生理学的潜力.
研究的目的:
- 探索生命体征的使用,包括大脑和骨氧化,用于早产婴儿NEC的早期预测.
- 评估基于早期产后生理数据的NEC预测的机器学习算法.
- 识别最重要的生命体征,有助于NEC预测.
主要方法:
- 机器学习模型在非常早产婴儿 (<30周妊娠年龄) 的数据上进行了训练.
- 时间序列FeatuRe提取 (TSFRESH) 用于在出生后的前5天内从生命体征中提取特征.
- 支持向量机,逻辑回归和极端梯度增强模型使用F1分数和AUC-PR.进行了评估.
主要成果:
- 与极端梯度增强相比,支持向量机和逻辑回归实现了更高的F1得分 (0.82) 和AUC-PR (0.82-0.83).
- 脊柱氧化 (40.1%) 和大脑氧化 (24.8%) 是对NEC预测最有影响力的生命体征.
- 这些模型成功地预测了NEC贝尔的阶段>267名患者中32人中有1人.
结论:
- 生命体征,特别是腹和大脑氧化,可以预测NEC早产婴儿在出生后的前5天内,F1得分高达0.82.
- 这种方法对开发针对性预防策略的NEC显示出希望.
- 建议对更大的数据集进行进一步的研究,以验证和完善这些预测模型.
