使用机器学习预测妊娠前:一个系统的审查

科学领域:

• 产科和妇科 产科和妇科
• 医疗信息学 医疗信息学
• 医疗保健中的人工智能

背景情况:

• 孕前症在全球范围内对孕产妇和产周期间的发病率和死亡率作出了重大贡献.
• 预先预测妊娠前对于及时干预至关重要,例如阿司匹林预防.
• 机器学习 (ML) 正在成为疾病预测和预后的强大工具.

研究的目的:

• 审查方法,预测因子和ML模型的性能,以预测妊娠前.
• 强调ML在产前的比较优势,挑战和临床适用性.
• 探索人工智能和深度学习在治疗妊娠前方面的潜力.

主要方法:

• 在PubMed,Cochrane和Scopus (过去10年) 的系统文献搜索.
• 关键词包括"孕前"",危险因素"",机器学习"",人工智能"和"深度学习".
• 在选了325个记录后,包括了11项符合条件的研究,评估了偏差风险.

主要成果:

• 使用了广泛的预测因素,包括临床人口统计数据,实验室结果,多普勒超声波,基因型数据和基底图像.
• 在来自不同国家的研究中,使用了十多种不同的ML模型.
• 像XGBoost,随机森林和神经网络这样的模型显示出高预测准确度 (AUC 0.76-0.97).

结论:

• ML模型显示了准确预测妊娠前的巨大潜力.
• "黑子"模型的可解释性是临床采用的关键伦理考虑因素.
• 未来的研究应该专注于多样化的人口验证和平衡表现与可解释性,以改善孕产妇的结果.