通过机器学习模型使用临床和实验室数据预测怀孕早期的孕前症
Songchang Chen1, Jia Li2,3, Xiao Zhang2,3
1Obstetrics and Gynecology Hospital, Institute of Reproduction and Development, Fudan University, Shanghai, 200011, China.
BMC medical informatics and decision making
|May 1, 2025
概括
这项研究确定了用于预测产前 (PE) 的关键实验室标志物,并使用临床和实验室数据开发了早期发病的PE (EOPE) 和晚发病的PE (LOPE) 的准确预测模型.
科学领域:
- 产科和妇科 产科和妇科
- 医学诊断 医学诊断 医学诊断
- 计算生物学 计算生物学
背景情况:
- 孕前 (PE) 是一种严重的妊娠并发症.
- 早期发现PE对于母亲和胎儿的健康至关重要.
- 现有的预测方法可以从改进的实验室数据集成中受益.
研究的目的:
- 为了确定与产前症发展相关的实验室测试指标.
- 开发预测模型用于早期发病的孕前 (EOPE),晚期发病的孕前 (LOPE) 和早产期孕前 (Preterm PE).
- 用临床和实验室数据评估机器学习模型的性能.
主要方法:
- 追溯招募了144名EOPE,363名LOPE,231名预期PE和1458名健康参与者.
- 利用了从常规产前检查中获得的临床和实验室数据.
- 开发了使用整体机器学习算法的预测模型.
主要成果:
- 确定了EOPE,LOPE和Preterm PE亚型的特定实验室标记.
- 组合模型包含临床和实验室数据,其表现优于仅临床模型.
- EOPE和LOPE模型在预测PE亚型方面表现出良好的灵敏度和特异性.
结论:
- 确定了用于预测PE的关键实验室指标.
- 开发的预测模型显示了评估PE风险和严重性的巨大潜力.
- 临床和实验室数据的整合提高了PE预测的准确性.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.6K
05:31Author Spotlight: Modeling an Aspect of Preeclampsia in Female Mice Using Hypoxic Human Placenta-Derived Small Extracellular Vesicles
Published on: January 26, 2024
710
