人工智能 Dystocia 算法 (AIDA) 作为横向胎儿头部位置的决策支持系统
Antonio Malvasi1, Lorenzo E Malgieri2, Tommaso Difonzo1
1Unit of Obstetrics and Gynecology, Department of Interdisciplinary Medicine (DIM), University of Bari "Aldo Moro", Policlinic of Bari, Piazza Giulio Cesare 11, 70124 Bari, Italy.
Journal of imaging
|July 25, 2025
概括
人工智能 Dystocia 算法 (AIDA) 改进了使用产后超声波对胎儿横向头部位置的评估. 这种人工智能系统增强了临床决策,通过提供客观的,基于几何参数的分析来降低剖腹产分娩率.
科学领域:
- 产科和妇科 产科和妇科
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 横向的胎儿头部位置使分娩复杂化,增加了手术分娩和剖腹产率.
- 传统的数字检查对胎儿头部位置的评估可能是不可靠的,特别是在长时间的分娩.
- 产后超声波提供了更好的可视化,但需要标准化的解释框架.
研究的目的:
- 评估准确评估和管理横向胎儿头部位置的重要性.
- 通过人工智能stocia算法 (AIDA) 将几何参数与交付结果关联起来.
- 分析AIDA作为一个决策支持系统的作用,用于标准化诊断和优化胎儿位管理.
主要方法:
- 二次分析来自135名未婚妇女的66例横向胎儿头部位置病例,她们的第二阶段分娩时间较长.
- 按中线角 (MLA) 分层成经典横向 (≥75°),近横向 (70-74°) 和过渡 (60-69°) 位置.
- 使用AIDA分类系统和机器学习算法 (SVM,随机森林,MLP) 评估四个几何参数 (进展角度,头 - 交合体距离,MLA,异步度).
主要成果:
- 艾达组织将劳动力强迫症分为五个类别,这些类别对分娩结果具有强大的预测价值.
- 剖腹产的风险在横向位置上呈现了梯度:近横向 (100%),经典横向 (93.1%) 和过渡 (85.7%).
- 随机森林算法实现了95.5%的准确性;并发异同流症显著增加了剖腹产分娩率. 所有AIDA 4类病例都需要剖腹产.
结论:
- 与产卵内超声波集成的AIDA为客观评估和管理横向胎儿头部位置提供了有前途的方法.
- 艾达分类系统强调精确的MLA测量,提供优越的预测能力比定性评估.
- 这种多维的人工智能方法可以实现个性化,基于证据的胎儿错位管理,潜在地减少干预和识别徒劳的预期管理病例.
