在双胞胎怀孕中,使用机器学习从子宫长度测量预测早产
Alejo Costanzo1,2, Mathew Szymanowski1,2, Nir Melamed3
1Department of Electrical, Computer and Biomedical Engineering, Faculty of Engineering and Architectural Sciences, Toronto Metropolitan University, Toronto, ON, M5B 2K3, Canada.
Scientific reports
|October 14, 2025
概括
对于双胞胎怀孕,机器学习模型发现,在18-20周之间进行一次子宫长度测量足以预测自发早产. 多次测量并没有提高自发早产预测的准确性.
科学领域:
- 孕产妇和胎儿医学 孕产妇和胎儿医学
- 医疗成像医学成像
- 医疗保健中的机器学习
背景情况:
- 宫长度 (CL) 测量在双胞胎怀孕中至关重要,以监测早产风险.
- 目前的协议涉及连续的CL评估,但预测的最佳时间尚不清楚.
研究的目的:
- 确定在双胞胎怀孕中进行连续宫长度 (CL) 测量以预测自发早产 (sPTB) 的最佳时间.
- 评估机器学习 (ML) 模型在使用CL数据预测sPTB方面的实用性.
主要方法:
- 从2,095个双胞胎怀孕 (16-28周妊娠期) 的连续CL测量的回顾性分析.
- 开发和评估ML模型,包括后勤回归,以预测各种妊娠年龄的sPTB.
- 使用单个和多个CL测量的预测准确性的比较.
主要成果:
- 后勤回归模型实现了最高的准确度:58%的sPTB<37周,63%的sPTB<34周,73%的sPTB<32周.
- 使用多个CL测量并没有显著提高ML模型中sPTB预测的准确性.
- 在怀孕18-20周之间的单次CL测量显示,对sPTB<32周的预测准确度相当.
结论:
- 在怀孕初期到怀孕中期,单次宫长度测量可能足以预测双胞胎怀孕中的自发早产.
- 未来的研究应该纳入早期的CL测量,并探索基于回归的时间分析,以改善预测.
更多相关视频
09:51Model Surgical Training: Skills Acquisition in Fetoscopic Laser Photocoagulation of Monochorionic Diamniotic Twin Placenta Using Realistic Simulators
Published on: March 21, 2018
20.2K
09:04Guide Wire Assisted Catheterization and Colored Dye Injection for Vascular Mapping of Monochorionic Twin Placentas
Published on: September 5, 2011
15.3K
