使用机器学习辅助阻抗光谱检测产科关节损伤:一个前性,比较性,多中心临床研究

科学领域:

• 产科和妇科 产科和妇科
• 医疗器械 医疗器械
• 诊断技术 诊断技术的使用

背景情况:

• 产科关节损伤 (OASI) 可以导致长期的并发症,如便失禁.
• 准确及时检测OASI对于有效的产后管理至关重要.
• 当前的诊断方法在某些临床环境中可能存在局限性.

研究的目的:

• 评估ONIRY系统用于OASI检测的临床性能和安全性.
• 为了比较ONIRY的阻抗光谱与三维内超声波 (EAUS) 的诊断精度.
• 评估机器学习 (ML) 辅助阻抗光谱在产科护理中的潜力.

主要方法:

• 一项前性,比较性,多中心的国际研究,涉及152名妇女在产后8周内.
• 参与者接受了EAUS和ONIRY系统对门通道电阻的测量.
• 基于ML的分析与10倍的交叉验证被用于自动化OASI分类.

主要成果:

• ML辅助的ONIRY系统表现出高的诊断性能,精度,灵敏度和特异性在数据清洗后达到90.0%.
• 与EAUS相比,最初的ML辅助阻抗光谱显示精度为87.0%,灵敏度为90.6%,特异性为84.6%.
• 在研究期间,没有报告设备的不良影响或缺陷.

结论:

• 使用ONIRY系统的ML辅助阻抗光谱是检测OASI的安全有效工具.
• 该ONIRY系统有助于早期识别关节损伤,使得及时干预,并可能减少长期并发症.
• 它的快速,床边应用支持产后护理,并优化临床决策.