研究表明妈妈和婴儿的医疗数据预测早产并发症

发布时间：2023-02-17 20:18:14 栏目：生活

导读 通过使用机器学习算法筛选母亲和婴儿的电子健康记录，科学家可以预测处于危险中的新生儿在生命的前两个月的表现。新方法允许医生在出生时或

通过使用机器学习算法筛选母亲和婴儿的电子健康记录，科学家可以预测处于危险中的新生儿在生命的前两个月的表现。新方法允许医生在出生时或出生前对哪些婴儿可能出现早产并发症进行分类。



斯坦福医学院开发的一项描述该方法的研究于15月<>日在线发表在《科学转化医学》上。

“这是一种思考早产的新方式，将重点放在新生儿的个体健康因素上，而不是只关注他们出生的早期，”高级研究作者Nima Aghaeepour博士说，他是麻醉学，围手术期和疼痛医学以及儿科的副教授。该研究的主要作者是博士后学者Davide De Francesco博士和儿科讲师Jonathan Reiss博士。

传统上定义为至少提前三周出生，早产与婴儿肺部、大脑、视力、听力和消化系统的并发症有关。虽然早产通常具有较高的风险，但出生时间只能大致预测特定婴儿的表现。一些出生得很早的婴儿没有出现并发症，而其他在怀孕同一阶段出生的婴儿则病得很重或死亡。

“早产是全球五岁以下儿童死亡的最大单一原因，我们还没有好的解决方案，”Aghaeepour说。“通过将我们的研究重点放在预测这些婴儿的健康状况上，我们可以优化他们的护理。

许多早产并发症在出生后需要几天或几周才能出现，同时对新生儿的健康造成重大损害。了解哪些婴儿处于危险之中可以采取预防措施。

“我们主要关注婴儿以做出新生儿学的治疗决策，但我们发现我们可以从孕产妇健康记录中获得有价值的信息，真正关注个体婴儿的轨迹是如何通过暴露于特定的母体环境而形成的，”该研究的共同作者David Stevenson博士说，他是斯坦福大学Lucile Packard儿童医院的新生儿学家， 斯坦福大学医学院儿科教授和March of Dimes早产研究中心主任。

“这是向婴儿精准医疗迈出的一步，”他补充说。

像阅读书籍一样阅读病历

研究人员将斯坦福医疗保健中心的母亲和斯坦福医学儿童健康中心的婴儿的电子病历联系起来，涵盖了 32 年至 354 年间发生的 2014，2020 名活产婴儿。母亲的医疗记录包括怀孕期间的信息，对于那些在怀孕前曾在斯坦福医学院做过病人的人来说，还包括怀孕前的健康数据。婴儿的记录始于出生时记录的信息，包括体重;验血;和 Apgar 评分，在出生后一分钟和五分钟在产房进行评估。Apgar评分结合了婴儿的脉搏，呼吸和肌肉张力等因素。

使用一种称为长短期记忆神经网络的机器学习算法，研究人员从病历中建立了一个数学模型，并测试了它是否可以预测出生后两个月内婴儿的24种可能的健康结果。

“使用电子健康记录存在计算挑战，因为它们是纵向的，并且包含来自每个患者的大量数据，”Aghaeepour说。“长短期记忆神经网络的运作方式类似于一个人读书。当我们阅读时，我们不会记住每个单词，但我们记住关键概念，阅读下一部分，添加更多关键概念并将其发扬光大。该算法不会记住每个患者的整个电子健康记录，但它可以记住关键概念并将其推进到我们做出预测的地方。

在出生时，机器学习模型提供了强有力的预测，婴儿会发展出各种疾病，包括支气管肺发育不良，一种慢性肺病;早产儿视网膜病变，视网膜问题，可能导致视力丧失或失明;早产儿贫血;坏死性小肠结肠炎是一种严重的胃肠道并发症，通常直到出生后数周才被诊断出来，此时干预措施很复杂，并且与不良结局相关。

该模型还在出生前一周对多种结果进行了强有力的预测，包括死亡率和早产儿视网膜病变，这可能导致视力丧失或失明，以及对其他11种疾病的中等强度预测。

“我很惊讶我们在婴儿出生之前就有多少预测能力，而且就在出生时，”Aghaeepour说。“我没想到会看到这一点。我原以为一旦我们收集了婴儿的数据，准确性就会在出生后几天出现。

该模型无法可靠地预测一些并发症，例如哪些婴儿会发展为念珠菌病或酵母菌感染;红细胞增多症，血液中高浓度的红细胞;或胎粪吸入综合征，其中婴儿在出生时吸入胎粪，一种从胎儿肠道排出的粘性物质。

研究人员证实，预测的强度多年来没有变化(将 2014 年至 2018 年的出生人数与 2019 年至 2020 年的出生人数进行比较);他们还使用来自加州大学旧金山分校的12，258对母婴的独立小组验证了一些发现。

该模型在出生时的预测提供了比目前使用的风险评估工具(如Apgar评分和国家儿童健康与人类发展研究所风险评分)更准确的信息。研究人员指出，这些分数只考虑婴儿出生时的状况，没有纳入母亲病史的任何信息。然而，研究人员说，在这种机器学习工具准备好取代床边现有的风险计算器之前，需要在更多样化的人群中进行更多的研究。

母亲的健康很重要

研究人员表示，该模型揭示了母亲的某些健康或社会状况与婴儿健康之间的意外联系。

例如，患有贫血症(一种常见的妊娠并发症)的母亲更有可能患有患有贫血症的新生儿。研究发现，这些婴儿也更容易患上肠道并发症坏死性小肠结肠炎。

“我们需要探索在生物学水平上解释这些关系的联系，因为这些可能为某些条件如何发生提供线索，”史蒂文森说。“这将使我们能够更好地干预以帮助这些孩子。

新算法还能够将母亲的特定类型的社会经济劣势与婴儿的某些早产并发症联系起来。

“如果母亲无家可归，我们发现对婴儿的健康影响将与监禁的影响不同，而在传统范式下，这两个社会经济因素可能被认为对早产风险有相似的影响，”Aghaeepour说。

史蒂文森说，该模型的预测可以帮助新生儿学家更好地确定哪些患者将从现有的预防出生并发症的方案中受益。例如，在出生时缺氧的新生儿现在可以在生命早期接受降温方案，这会降低体温几天以防止脑损伤。他说，预测评分可能有助于识别可以通过冷却帮助的其他婴儿。

科学家们说，这项工作需要在更大，更多样化的患者群体中复制，并与其他斯坦福医学研究结合在一起，这些研究根据妊娠期间变化的数千种生物标志物来表征怀孕。