一个基于B型的机器学习模型,用于早期血液动力学症状专利管道动脉预测
Carolina R Cappellaro1, Guilherme S Procianoy1, Rita C Silveira1
1Department of Pediatrics, Universidade Federal do Rio Grande do Sul, Newborn Section, Hospital de Clínicas de Porto Alegre, Porto Alegre, Brazil.
Neonatology
|December 5, 2025
概括
一个机器学习模型准确地预测了使用B型尿素 (BNP) 和临床数据的早产婴儿的血液动力学显著的专利动脉管 (hsPDA). 这种工具有助于早期风险分层,以获得更好的婴儿结果.
科学领域:
- 新生儿医学 新生儿医学
- 生物医学工程 生物医学工程
- 医疗保健中的机器学习
背景情况:
- 血液动力学显著的专利动脉管 (hsPDA) 在早产婴儿中很常见,并与不良结果有关.
- 早期发现hsPDA对于及时干预和改善预后至关重要.
研究的目的:
- 开发和验证用于预测早产婴儿hsPDA的机器学习模型.
- 在这个脆弱人群中确定hsPDA的关键预测因子.
主要方法:
- 一项前性队列研究包括在妊娠33周之前出生的婴儿.
- 一个随机的森林分类器被训练使用B型性尿素 (BNP) 水平,妊娠年龄,出生体重和表面活性剂的使用.
- 模型性能使用5倍交叉验证进行评估,hsPDA通过心声学诊断.
主要成果:
- 随机森林模型实现了0.86的AUC,超过了后勤回归 (AUC 0.82).
- B型尿素 (BNP) 是最重要的预测因子 (48%的重要性),其次是妊娠年龄,出生体重和表面活性剂的使用.
- 在包括的67名婴儿中,46.3%的婴儿患有hsPDA.
结论:
- 整合了BNP和临床数据的机器学习模型准确地预测了早产婴儿的hsPDA.
- 开发的模型和计算器可以帮助临床医生在早期风险分层.
- 在广泛临床实施之前,建议进行外部验证.


