人工智能预测产后出血在经历剖腹产的双胞胎怀孕中

科学领域:

• 孕产妇与胎儿医学 孕产妇与胎儿医学
• 医疗保健中的人工智能
• 产科并发症 产科并发症

背景情况:

• 产后出血 (PPH) 在经历剖腹产的双胞胎怀孕中是一个显著的风险.
• 识别高风险患者对于及时干预和改善结果至关重要.
• 目前的预测方法可能无法完全捕捉到这一群体中PPH风险的复杂性.

研究的目的:

• 开发和评估基于人工智能 (AI) 的风险预测模型,用于剖腹产后双胞胎怀孕中的PPH.
• 为了比较不同机器学习分类器在识别PPH风险较高的患者中的性能.
• 在这个特定的产科队列中确定与PPH相关的关键产周特征.

主要方法:

• 回顾性队列研究,包括615例经过剖腹产的双胞胎怀孕.
• 开发了四种机器学习模型:物流回归 (LR),支持矢量机 (SVM),随机森林 (RF) 和多层感知器 (MLP).
• 模型使用围产期特征进行训练,并对预测准确性进行评估,LR,RF和SVM用类权重进行重新训练,以解决数据不平衡.

主要成果:

• 使用类权重的物流回归 (LR) 模型表现最好,AUC为75.12%,准确率为70.73%,负预测值 (NPV) 为85.33%.
• 双性,胎盘断裂综合征 (PAS) 和胎盘前列被确定为PPH的显著风险因素 (p < .05).
• 虽然人工智能模型显示了令人鼓舞的结果,但观察到的准确性还不足以直接临床实施.

结论:

• 人工智能驱动的风险预测模型,特别是带有类权重的物流回归,显示出在剖腹产后双胞胎怀孕中具有更高PPH风险的女性识别潜力.
• 关键的周产期因素,如二性,PAS和胎盘前列,是这个队列中PPH的重要预测因素.
• 在将这些机器学习模型纳入常规产科实践之前,进一步的研究和临床验证至关重要.