深度学习预测早产:对机器学习算法进行比较研究

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 孕产妇和胎儿医学 孕产妇和胎儿医学

背景情况:

• 过早分娩仍然是一个重大的全球健康挑战.
• 准确预测早产对于及时干预和改善新生儿结果至关重要.

研究的目的:

• 评估深度学习算法的有效性,以预测早产.
• 为了比较变压器模型的性能与其他机器学习算法在早产预测.

主要方法:

• 一项回顾性研究分析了从2018年1月到2023年6月的30965份出生记录.
• 四个算法 (逻辑回归,随机森林,支向量机,变压器) 被训练并验证.
• 使用包括曲线下面面积 (AUC),灵敏度和特异性在内的指标来评估性能.

主要成果:

• 变压器模型实现了卓越的性能,在测试数据集中AUC为79.20%.
• 与其他模型相比,变压器模型表现出更高的灵敏度 (73.67%) 和特异性 (72.48%).
• 在早产和满期分娩组之间观察到各种因素的显著差异.

结论:

• 深度学习算法,特别是变压器模型,适合预测早产.
• 变压器算法提供了一个有前途的工具,用于提高早产预测.