母亲健康风险检测:通过人工智能推进助产士

科学领域:

• 孕产妇健康 孕产妇健康
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 孕产妇的健康风险是一个重大的全球挑战,有助于发病率和死亡率.
• 人工智能和机器学习为早期风险检测和管理提供了有希望的解决方案.
• 脆弱人群不成比例地受到孕产妇健康并发症的影响.

研究的目的:

• 使用机器学习算法对孕产妇健康风险水平进行分类 (高,中,低).
• 分析不同机器学习模型对生理数据的有效性,以预测风险.
• 确定产妇健康风险评估的最佳执行算法.

主要方法:

• 利用了1014个实例的数据集,其中有7个生理属性 (年龄,静脉血压,透静血压,BS,BodyTemp,心率).
• 训练并测试了六个分类器,在预处理数据上进行了10倍的交叉验证.
• 使用准确度,精度和真正正比率评估模型性能.

主要成果:

• 随机森林分类器表现出最高的性能,准确率为88.03%,精度为88.10%,真实阳性率为88%.
• 中等风险类别提出了分类挑战,由较低的回忆和精度得分表明.
• 阶级不平衡被确定为影响模型性能的一个关键因素.

结论:

• 机器学习算法显示了提高孕产妇健康风险预测的巨大潜力.
• 通过机器学习,可以通过数据驱动和个性化方法在孕产妇医疗保健中取得进展.
• 需要进一步的研究来解决阶级不平衡,以改善中等风险类别的预测.