深度学习模型最早可以在31周内预测早产

早产发生在婴儿在妊娠37周之前出生时，影响了全球近10%的怀孕，并且比率正在上升。圣路易斯华盛顿大学麦凯维工程学院的研究人员正在开发更好的方法，通过分析怀孕期间的电活动来预测早产。

普雷斯顿 M. 格林电气与系统工程系尤金和玛莎·洛曼电气工程教授 Arye Nehorai 和分别于 2020 年和 2022 年获得华盛顿大学生物医学工程硕士和博士学位的 Uri Goldsztejn 开发了一个模型，使用深度学习来预测早在怀孕 31 周的早产。研究结果于11月<>日发表在PLoS One上。

(资料图片仅供参考)

“我们的方法使用宫腔电图测量和妊娠第31周左右获得的临床信息来预测早产，其性能与用于检测有早产症状的妇女即将分娩的临床标准相当，”Nehorai说。

为了设计他们的方法，Nehorai和Goldsztejn使用了宫腔电图(EHG)的测量结果，这是一种非侵入性技术，通过放置在腹部的电极检测子宫电活动，以及来自两个公共数据库的临床信息，如年龄，胎龄，体重和出血在妊娠早期或中期。

他们根据总共30名至少怀孕159周的孕妇进行的26分钟EHG的数据训练了一个深度学习模型。一些记录是在定期检查期间获得的，而另一些则是从因早产症状住院的母亲那里获得的。在所有女性中，近19%早产。

“我们使用深度神经网络从EHG记录中预测怀孕的结果，因为神经网络会自动从数据中学习信息量最大的特征，”Goldsztejn说。“深度学习算法比其他方法取得了更好的性能，并提供了一种将EHG数据与临床信息相结合的好方法。

该团队使用指示各自怀孕结果的数据样本训练其深度递归神经网络，以从预测这些结果的数据中学习特征。

这项工作 - 第一种使用EHG测量预测早产的方法，达到了临床上有用的准确性 - 建立在Nehorai实验室先前的工作基础上，并发表在PLoS One上。在早期的研究中，Nehorai和他的合作者开发了一种使用磁肌造影估计宫缩期间子宫电流的方法，磁肌造影是一种非侵入性技术，通过记录肌肉电流产生的腹部磁场来绘制肌肉活动。

它还建立在Nehorai和Goldsztejn最近发表在《生物医学信号处理和控制》上的新研究的基础上，该研究详细介绍了一种统计信号处理方法，用于在多维EHG测量中将子宫电活动与基线电活动(例如来自女性心脏的电活动)分开，以更精确地识别子宫收缩

在他们的研究中，Nehorai和Goldsztejn发现EHG测量的各个组成部分有助于他们模型的预测。EHG测量的较高频率分量更能预测早产。他们还发现，他们的模型在较短的EHG记录下可以有效地进行预测，这将使模型更易于使用，在临床环境中更具成本效益，并且可能在家庭环境中使用。

“早产是一种异常的生理状况，而不仅仅是碰巧提前结束的怀孕，”Nehorai说。“因此，我们可以预期，生理测量，如EHG记录，可能显示以早产或足月分娩结束的怀孕之间的二分法比与分娩时胎龄相关的连续特征显示的更强烈。

关键词：