外媒 | 机器学习工具可以预测胎儿心率变化-普瑞纯证

美国研究人员近日发表在 BMC Pregnancy and Childbirth 上的一篇研究文章中指出，神经轴阻滞镇痛是美国广泛使用的一种分娩镇痛方法，包括脊髓、硬膜外和联合脊髓硬膜外（CSE）等多种技术。然而，这种方法与胎儿心率变化有关，胎儿心率的变化可能会自行恢复，但如果心率显著下降，即胎儿心动过缓，可能会表明严重的健康问题。但研究团队进一步指出，多种因素可能会增加胎儿心动过缓的发生率，使得这种情况难以预测。为了解决这个问题，研究人员采用了机器学习方法。像胎儿心动过缓这样具有多个潜在预测变量的情况需要分析大量数据，以确定哪些预测变量在临床环境中最有用。研究团队在一篇博客文章中解释说，机器学习模型的动态特性使它们非常适合这种任务。他们写道：“这些模型特别适用于管理多个预测变量及其可能的无数相互作用，这可能需要使用传统模型进行更多的工作。在这个人工智能领域使用的算法包括了可能不会被纯粹的背景知识所发现的预测变量。此外，当使用无监督的机器学习方法时，未知的模式可以被揭示出来。”研究人员还指出，机器学习算法不会对预测变量和结果之间的关系作出假设，而人类更可能会假定两者之间存在线性关系，这可能会导致机器学习算法的准确性得到提高。为了设计适合识别胎儿心率变化预测因素的模型，研究人员对1077名接受神经轴阻滞镇痛的健康分娩患者进行了回顾性分析。研究团队使用这些数据，比较了四种模型的表现：主成分回归、随机森林、弹性网络模型和多元线性回归。对于每个模型，评估了预测准确性和可解释性。研究人员发现，随机森林模型实现了最佳的预测准确性。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。