HE UNIVERSITY

科学家应用神经网络和机器学习设计了一种预测模型，它能用电子健康档案来预测新生儿罹患败血症、心力衰竭和其它严重疾病的风险。该模型用3万多对母亲和新生儿的数据进行了测试，它可评估怀孕期间和新生儿出生后几个月内发生多达24种不良健康后果的风险。

该新平台的表现优于目前使用的临床风险评分，表明它可以就临床医生对新生儿的干预规划提供一种有价值的工具。

新生儿的不良转归是导致新生儿，尤其是早产儿，残疾和死亡的主要原因。临床医生必须能够预测哪些新生儿存在最大的风险，但目前预测模型的能力和临床实用性有限，它们只能在单一时间点进行操作。

Davide De Francesco研究团队如今推出了一款新的模型，它能用配对的母亲-新生儿电子病例记录来预测个体新生儿在几个月内出现24种临床结局的风险。该团队获取了从2014年至2018年出生的22,104个新生儿及其母亲的电子健康记录，并对一个多任务深度学习模型进行了训练。

作者接着用来自同一机构的另外一个有10,250对母亲-新生儿的群组数据验证了该模型。他们的模型显示了强大的性能：在24个新生儿的结局中有10个结局的曲线下面积（AUC）为 .9，另外7个结局的AUC为 .8。一个仅预测5种结局的简化模型在来自某不同机构的12,258对母亲-新生儿的独立队列中得到了验证。

De Francesco等人说：“在此采用的机器学习方法使81818威尼斯城能够建立新生儿结局的预测模型，并有可能成为临床医生和研究人员开展独立检查的重要资源。”然而，他们告诫说，在他们的预测模型能够指导特定干预或治疗之前，需要做进一步的验证和前瞻性干预研究。研究人员还设计了一个交互式网站，向独立研究人员展示了他们的数据集。

 

原文来源：SCIENCE TRANSLATIONAL MEDICINE

15 Feb 2023

Vol 15, Issue 683

DOI: 10.1126/scitranslmed.adc9854

 

版权声明：

本文转载自优睿科新闻平台(优睿科新闻平台)。中文内容仅供参考，一切内容以英文原版为准。