Риск неблагоприятных исходов преэклампсии точно определен с помощью новой модели искусственного интеллекта

Исследователи разработали потенциально спасательную модель для выявления материнского риска у беременных женщин с преэклампсией.

Более 8800 женщин из 11 стран приняли участие в исследовании, которое точно классифицировало риск неблагоприятных последствий артериального давления для женщин по пяти категориям, от очень низкого до очень высокого, в течение двух дней после их первой оценки.

Преэклампсия встречается в 2–4% случаев беременности и является ведущей глобальной причиной материнской заболеваемости и смертности. По оценкам, оно является причиной 46 000 материнских смертей, а также полумиллиона мертворождений и смертей новорожденных в год, причем почти все случаи происходят в странах с низким и средним уровнем дохода.

У большинства беременных женщин, у которых развивается преэклампсия, заболевание протекает в легкой форме, которая заканчивается вскоре после родов. Однако примерно каждая десятая из этих женщин в Великобритании испытывает опасные для жизни или меняющие жизнь осложнения, такие как инсульт.

Новая модель прогнозирования рисков была разработана для использования на международном уровне, и ее работа основана на машинном обучении — форме искусственного интеллекта.

Исследователи из Университета Стратклайда в Глазго и Королевского колледжа Лондона теперь стремятся разработать приложение для определения индивидуального риска развития преэклампсии у отдельной женщины после того, как ей поставлен диагноз.

Модель под названием PIERS-ML (Интегрированная оценка риска преэклампсии — машинное обучение) объединяет две предыдущие версии модели. Научная статья опубликована в Ланцет «Цифровое здоровье».

Тунде Чобан, научный сотрудник факультета математики и статистики Стратклайда, ведущий автор статьи, сказал: «Преэклампсия представляет собой значительный, часто смертельный риск для женщин и их детей. Существует острая необходимость в эффективных средствах лечения. оценить эти риски, чтобы ими можно было управлять и оказывать поддержку».

Доктор Кимберли Кавана, старший преподаватель факультета математики и статистики Стратклайда и соавтор статьи, сказала: «Разработанная нами модель была тщательно протестирована и показала, что она позволяет быстро и точно прогнозировать риски, в некотором смысле которые могут быть адаптированы к индивидуальным обстоятельствам женщин во всем мире.

«Мы надеемся сделать его доступным в приложении, которое можно будет использовать в клинических условиях и потенциально спасти множество жизней».

Главный исследователь проекта, профессор Петер фон Дадельсен, профессор глобального женского здоровья Королевского колледжа Лондона, сказал: «Чем дольше женщина остается беременной, тем лучше исход для ребенка, но при преэклампсии возникают проблемы с плацентой. лежащие в основе этого процесса, ухудшаются.

«Мы начали разработку модели, которая бы объективно измеряла риски преэклампсии, в 2001 году. Сейчас мы взяли данные, полученные из предыдущих версий, fullPIERS и miniPIERS, и разработали подход машинного обучения, который позволил создать лучшую модель. «

«Одна из инновационных вещей, которые мы сделали при моделировании, — это включение ВВП стран и их национальных коэффициентов материнской смертности. Включение этих переменных означает, что модель автоматически корректируется в зависимости от того, где живет женщина, и делает ее глобально актуальной моделью. Это очень важная исследовательская работа и, вероятно, самая обобщающая модель преэклампсии. Приятно видеть, насколько хорошо она работает».

В исследовании приняли участие 8843 женщины из 53 родильных домов в 11 странах с низким, средним и высоким уровнем дохода: Бразилия; Фиджи; Пакистан; Южная Африка; Уганда; Австралия; Канада; Финляндия; Новая Зеландия; Великобритании и США. Категории материнского риска были определены как очень низкий, низкий, умеренный, высокий или очень высокий.

Записи еще 2901 женщины из Юго-Восточной Англии были использованы для внешней проверки модели, которая подтвердила эффективность основного исследования.