Start IT/Tech AI-basierte Schwangerschaftsanalyse entdeckt bisher unbekannte Warnzeichen für Totgeburten und Neugeborenenkomplikationen

AI-basierte Schwangerschaftsanalyse entdeckt bisher unbekannte Warnzeichen für Totgeburten und Neugeborenenkomplikationen

9
0
Leicht, flexibel und strahlungsbeständig: Organische Solarzellen für den Weltraum

Eine neue AI-basierte Analyse von fast 10.000 Schwangerschaften hat zuvor nicht identifizierte Kombinationen von Risikofaktoren festgestellt, die mit schwerwiegenden negativen Schwangerschaftsergebnissen, einschließlich der Totgeburten, verbunden sind.

Die Studie ergab außerdem, dass möglicherweise ein zehnfaches Risiko für Säuglinge bestehen, die derzeit in klinischen Richtlinien identisch behandelt werden.

Nathan Blue, MD, der leitende Autor der Studie, sagt, dass das KI -Modell, das die erzeugten Forscher generiert haben Pflege.

Die neuen Ergebnisse werden in veröffentlicht in BMC -Schwangerschaft und Geburt.

Unerwartete Risiken

Die Forscher begannen mit einem vorhandenen Datensatz von 9.558 Schwangerschaften landesweit, was Informationen zu sozialen und körperlichen Merkmalen enthielt, die von der sozialen Unterstützung der schwangeren Menschen bis hin zu ihrem Blutdruck, ihrem Krankengeschichte und dem fetalen Gewicht sowie dem Ergebnis jeder Schwangerschaft reichen. Durch die Verwendung von KI zur Suche nach Mustern in den Daten identifizierten sie neue Kombinationen mütterlicher und fetaler Merkmale, die mit ungesunden Schwangerschaftsergebnissen wie Totgeburt verbunden waren.

Normalerweise haben weibliche Feten ein geringes Risiko für Komplikationen als männliche Feten-ein kleiner, aber gut etablierter Effekt. Das Forschungsteam stellte jedoch fest, dass wenn ein schwangerer Mensch bereits Diabetes hat, weibliche Feten einem höheren Risiko haben als Männer.

Dieses bisher unentdeckte Muster zeigt, dass das KI -Modell Forschern helfen kann, neue Dinge über die Schwangerschaftsgesundheit zu lernen, sagt Blue, Assistenzprofessor für Geburtshilfe und Gynäkologie an der Spencer Fox Eccles School of Medicine an der Universität von Utah. „Es entdeckte etwas, das verwendet werden könnte, um das Risiko zu informieren, dass nicht einmal das wirklich flexible, erfahrene Kliniker -Gehirn erkannte“, sagt Blue.

Die Forscher waren besonders daran interessiert, bessere Risikoschätzungen für Feten in den unteren 10% für Gewicht zu entwickeln, jedoch nicht die unteren 3%. Diese Babys sind klein genug, um besorgniserregend zu sein, aber groß genug, dass sie normalerweise vollkommen gesund sind. Die beste Vorgehensweise in diesen Fällen ist eine Herausforderung: Bedarf eine Schwangerschaft eine intensive Überwachung und potenziell frühzeitige Entbindung oder kann die Schwangerschaft weitgehend so normal sein? Aktuelle klinische Richtlinien empfehlen die intensive medizinische Überwachung für alle dieser Schwangerschaften, die eine erhebliche emotionale und finanzielle Belastung darstellen können.

Die Forscher stellten jedoch fest, dass innerhalb dieser fetalen Gewichtsklasse das Risiko eines ungesunden Schwangerschaftsergebnisses sehr unterschiedlich war, von keiner riskanter als einer durchschnittlichen Schwangerschaft bis zu fast zehnfachen Risiken. Das Risiko basierte auf einer Kombination von Faktoren wie fötalem Geschlecht, Vorhandensein oder Abwesenheit bereits bestehender Diabetes sowie Vorhandensein oder Abwesenheit einer fetalen Anomalie wie einem Herzfehler.

Blue betont, dass die Studie nur Korrelationen zwischen Variablen erkannt und keine Informationen darüber liefert, was tatsächlich negative Ergebnisse verursacht.

Das breite Risiko wird durch die Intuition der Ärzte unterstützt, sagt Blue; Erfahrene Ärzte sind sich bewusst, dass viele Feten mit niedrigem Gewicht gesund sind und viele zusätzliche Faktoren verwenden, um individuelle Beurteilungen über Risiken und Behandlung vorzunehmen. Ein KI-Risikobewertungsinstrument könnte jedoch wichtige Vorteile gegenüber solchen „Darmprüfungen“ bieten und Ärzten helfen, Empfehlungen abzugeben, die informiert, reproduzierbar und fair sind.

Warum ai

Bei Menschen oder KI -Modellen beinhaltet die Schätzung der Schwangerschaftsrisiken eine sehr große Anzahl von Variablen, von mütterlicher Gesundheit bis zu Ultraschalldaten. Erfahrene Kliniker können all diese Variablen abwägen, um Entscheidungen für individuelle Pflege zu treffen, aber selbst die besten Ärzte könnten wahrscheinlich nicht genau so quantifizieren, wie sie zu ihrer endgültigen Entscheidung gekommen sind. Menschliche Faktoren wie Voreingenommenheit, Stimmung oder Schlafentzug schleichen sich fast unweigerlich in die Mischung ein und können subtil verzerrt von der idealen Sorgfalt abkommen.

Um dieses Problem anzugehen, verwendeten die Forscher eine Art von Modell namens „erklärbarer KI“, das dem Benutzer das geschätzte Risiko für eine bestimmte Reihe von Schwangerschaftsfaktoren bietet und Informationen darüber enthält, welche Variablen zu dieser Risikoschätzung beigetragen haben und wie viel . Im Gegensatz zu der bekannteren „Closed Box“ -KI, die auch für Experten auch für Experten weitgehend undurchdringlich ist, zeigt das erklärbare Modell „seine Arbeiten“ und enthüllt Quellen der Verzerrung, damit sie angesprochen werden können.

Im Wesentlichen nähert sich die erklärbare KI der Flexibilität des klinischen Urteils an, während der Fallstricke vermeiden. Das Forschermodell ist auch besonders gut geeignet, um das Risiko für seltene Schwangerschaftsszenarien zu beurteilen und die Ergebnisse für Menschen mit einzigartigen Kombinationen von Risikofaktoren genau zu schätzen. Diese Art von Instrument könnte letztendlich dazu beitragen, die Pflege zu personalisieren, indem fundierte Entscheidungen für Menschen geführt werden, deren Situationen einzigartig sind.

Die Forscher müssen ihr Modell noch in neuen Populationen testen und validieren, um sicherzustellen, dass das Risiko in realen Situationen vorhersagen kann. Blue hofft jedoch, dass ein erklärbares KI-basierter Modell letztendlich dazu beitragen könnte, die Risikobewertung und -behandlung während der Schwangerschaft zu personalisieren. „AI -Modelle können im Wesentlichen ein Risiko schätzen, das für den Kontext einer bestimmten Person spezifisch ist“, sagt er, „und sie können es transparent und reproduzierbar tun, was unser Gehirn nicht tun kann.“

„Diese Art von Fähigkeiten wäre transformierend auf unserem Gebiet“, sagt er.

Quelle link

Kommentieren Sie den Artikel

Bitte geben Sie Ihren Kommentar ein!
Bitte geben Sie hier Ihren Namen ein