在分娩过程中准确预测中侧切除风险:开发和验证人工智能模型
Tingting Hu1,2,3, Liheng Zhao4, Xueling Zhao5
1Sichuan University-The Hong Kong Polytechnic University Institute for Disaster Management and Reconstruction, Chengdu, 610041, China.
BMC pregnancy and childbirth
|March 29, 2025
概括
这项研究开发了一种智能早期预警系统,使用机器学习来预测中侧切风险. 该系统准确地利用母亲的数据,帮助在分娩期间做出临床决策.
科学领域:
- 产科和妇科 产科和妇科
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
背景情况:
- 中侧表皮切除术是一种常见的产科手术.
- 精确预测表皮切割风险对于临床管理至关重要.
- 现有的方法在实时风险评估中可能缺乏准确性.
研究的目的:
- 开发一个智能在线评价系统,用于预测中侧切除风险.
- 整合机器学习算法与母亲生理数据.
- 创建一个早期预警系统,以帮助临床决策.
主要方法:
- 收集了1191名分娩者的生理数据.
- 开发并比较了六种机器学习模型 (LR,SVM,KNN,RF,LightGBM,XGBoost).
- 利用夏普利添加剂扩展 (SHAP) 进行模型解释性和外部临床验证.
主要成果:
- 支持矢量机 (SVM) 模型显示出最好的预测能力 (准确度:0.793,回忆:0.981,F1:0.875,AUC:0.882).
- 发现的关键预测因素包括围弹性,怀孕次数,BMI,围胀和年龄.
- 一个早期预警系统已经成功构建和验证.
结论:
- 开发的早期预警系统准确且快速地使用分娩数据预测中侧切风险.
- 该系统帮助临床工作人员在分娩的第三阶段做出明智的决定.
- 这种智能系统增强了分娩期间中侧垂体切除术的管理.
