一种新的机器学习算法,用于在第一季度单子怀孕中选三症21.

科学领域:

• 医学查 医学查
• 机器学习在医疗保健中的应用
• 遗传学和基因组学 遗传学和基因组学

背景情况:

• 在英国,针对21型三体瘤 (T21) 的第一季度产前查采用鼻腔透光 (NT),妊娠年龄,自由β-HCG和PAPP-A.
• 目前的选采用多变量高斯分布模型来计算T21风险作为赔率比.

研究的目的:

• 为了研究机器学习算法的有效性,用于预测T21在第一季度单胎怀孕.
• 将机器学习模型的性能与已建立的选方法进行比较.

主要方法:

• 利用了86354例第一季度单项妊娠查病例的数据集,其中211例是T21.
• 使用自适应增强技术训练和测试机器学习模型.
• 测试案例结果与怀孕结果进行比较,以评估模型性能.

主要成果:

• 与当前的多变量分布模型相比,一个机器学习模型显示出更高的性能 (AUC 0.978 vs 0.974).
• 虚假阳性率从3.82%降低到2.28%.
• 整体查阳性率从4.00%降低到2.48%.

结论:

• 机器学习算法为英国的第一季度T21查提供了显著的改进.
• 这些进步可以在最小的改变下整合到现有的英国查计划中.
• 预计随着更大的数据集和改进的结果数据,将进一步提高性能.