188体育在线-188体育平台

人工智能可以帮助医生预测和预防早产?

机器学习方法承诺帮助解决问题

2020年2月6日|由贝尔纳黛特年轻

ansaf salleb-aouissi。

近40万个婴儿早产,出生前妊娠37周,2018年在美国。和新生儿死亡的主要原因之一长期残疾,早产(PTB)被认为具有深厚的情感和具有挑战性的经济后果给家庭和社会公共卫生问题。如果医生能够使用数据和人工智能(AI)来预测哪些孕妇可能会有风险,许多这些早产的可能被避免。

“早产预测一直是非常具有挑战性的问题,”说 ansaf salleb-aouissi在学科高级讲师从 计算机科学系。 “但我们现在正处在一个地步,我们可以使用机器学习来开发一个动态的风险预测系统用于孕妇。创建一个可以处理大量的模型数据与AI算法我们发展将是一个很大的好处,以补充医生的‘现实生活’的专业知识的系统“。

最近从医学的健康国家图书馆的国家机构$ 1,000,000个资助(NIH-NICHD)将支持salleb-aouissi的研究为大型数据集与机器学习集成,以帮助确定有风险的孕妇。有一组研究人员的工作从四个学科:机器学习,遗传学,连续的决策,以及妇产科,salleb-aouissi将开发PTB预测模型,可用于帮助医生识别具有潜在危险的妇女谁需要干预和那些低风险谁不需要干预。

初为人母,因为他们事先没有妊娠史,是一个特别具有挑战性的人口来确定PTB风险。这些母亲,医学上称为未产妇,表示孕妇的40%,并且根本不处理。一个可靠的PTB预测系统可以大大减少他们的风险。

PTB poses a number of analytic challenges. Only about 10-12% of mothers give birth prematurely, providing a limited number of cases to study. There are several different categories of PTB by gestational age at birth: extreme (<28 weeks), severe (28-31 weeks), moderate (32-33 weeks), and late (34-36 weeks). The team needs to consider spontaneous PTB and indicated PTB separately.

此外,因为怀孕是一个动态的,快速变化的过程和在出生不同孕龄被认为是由不同病因驱动,需要纵向的预测模型。每个怀孕的属性包括对于每个患者才逐渐变为可用的时间相关的信息。

该研究解决了当前文学的三个重要方面的差距:

  • 研究未产妇及其对PTB的风险;
  • 对一直缺乏在多数研究已从不与其他危险因素来确定风险相结合的遗传因素结合起来;和
  • 使用纵向的数据和模型病人就诊,测试和治疗的优化的调度。

跨学科的团队包括副教授 itsik pe'er,与教授一起 安妮塔·拉贾 从亨特学院,和 瓦普纳罗纳德 和他的团队从部门 妇产科,母胎医学在188体育平台欧文医疗中心 (cuimc)。他们将与未产妇病人的最大群体迄今为止合作,采用美国国立卫生研究院NICHD最近发布的numom2b(未产妇妊娠结局的研究监测的母亲将要)数据集。在numom2b研究集中在10038名未产妇与单胎妊娠的种族,民族,不同地区的人口细致,前瞻性队列研究。它也包括以前从未使用遗传信息。

“下一步就是按摩numom2b数据干净,并使其适合于机器学习形式,”说salleb-aouissi,谁第一个产生了兴趣,当她的第二个孩子开发应用绞痛机器学习技术的医疗服务。这激发了她的申请,并赢得了 上升补助在2011年 即使用机器学习技术来更好地理解绞痛的原因。该项目开始从cuimc研究人员通过一个导致了最初的研究上PTB合作 NSF渴望奖。 salleb-aouissi 3000例数据集中工作,能 正确预测早产 关于时间的50%至60%百分比。

“这是我们的宗旨,进行机器学习研究,将有利于母胎医学。能够在PTB风险的准确预测女性可能会改变方式孕妇遵循和治疗,” salleb-aouissi增加。 “我们的研究也将适用于处理其他不良妊娠结局如胎儿宫内生长受限,先兆子痫,最终其他妇女的健康问题。”