提高对孕期年龄的小小预测:对部厚度,胎儿体重估计和机器学习模型的多国验证

科学领域:

• 产科和妇科 产科和妇科
• 胎儿医学 胎儿医学
• 医疗成像医学成像

背景情况:

• 对于妊娠年龄 (SGA) 的婴儿来说,小的婴儿面临着不良结果的风险增加.
• 准确预测SGA对于及时干预至关重要.
• 部厚度 (NT) 是怀孕早期潜在的生物识别标志物.

研究的目的:

• 在单独怀孕中开发一个关于部厚度 (NT) 的参考图表.
• 为了比较基于规则的算法和机器学习 (ML) 模型的预测性能,用于识别SGA婴儿.
• 评估NT在预测SGA方面的临床实用性.

主要方法:

• 马来西亚马来亚大学医学中心对5519例单子怀孕的回顾性研究.
• 开发一个NT参考图表,并使用马来西亚和新加坡队列评估其对SGA的预测值.
• 使用结合式 (AND) 和断合式 (OR) 基于规则的算法评估预测性表现.
• 在马来西亚数据上培训和评估7个ML模型,在马来西亚和新加坡队伍中进行测试.

主要成果:

• 与适合妊娠年龄的婴儿 (4.86 mm) 相比,SGA婴儿 (4.57 mm) 观察到明显较低的NT (p < 0.001).
• 分离规则 (NT <第10个百分点或估计胎儿体重<第10个百分点) 显著改善了SGA预测,在马来西亚的平衡准确度增长为5.83%,在新加坡为7.75%.
• 逻辑回归 (AUC 0.75) 和支向量机 (AUC 0.81) 显示了SGA的优异预测性能.

结论:

• 降低第二个三个月的NT是SGA婴儿的重要指标.
• 结合NT和估计胎儿体重的分离规则提高了SGA预测的准确性.
• 机器学习模型,特别是后勤回归和支持向量机,在预测SGA方面提供了卓越的性能,这需要进一步的临床验证.