Новітнє дослідження показало, що штучний інтелект (ШІ) може успішно прогнозувати ризик передчасних пологів, що дозволить своєчасно вживати необхідні заходи для покращення результатів для новонароджених.
Дослідження, опубліковане в журналі Scientific Reports, аналізувало ефективність кількох методів машинного навчання для прогнозування передчасних пологів серед 50 вагітних жінок. Вчені з’ясували, що лінійні машини опорних векторів (SVM) з оптимізованими гіперпараметрами виявилися найбільш ефективними, досягнувши точності 82%. Ці результати демонструють можливість застосування моделей машинного навчання для раннього виявлення жінок із високим ризиком передчасних пологів, що має велике значення для своєчасного втручання в клінічних умовах.
Передчасні пологи — це народження дитини до 37-го тижня вагітності, що значно збільшує ймовірність ускладнень, таких як порушення дихання, церебральний параліч чи смертність. За даними Всесвітньої організації охорони здоров’я (ВООЗ), один із десяти новонароджених з’являється на світ передчасно. Хоча численні фактори, зокрема стрес, забруднення повітря та генетика, сприяють цьому процесу, досі неможливо точно передбачити його за допомогою біомаркерів. Це дослідження демонструє, що методи машинного навчання можуть заповнити цей пробіл, використовуючи велику кількість медичних даних.
У рамках дослідження було використано кілька алгоритмів машинного навчання, серед яких XGBoost, логістичну регресію та SVM. Вчені також оптимізували гіперпараметри моделей за допомогою фреймворку Optuna, що дозволило покращити точність прогнозів. Результати показали, що лінійна SVM продемонструвала найкращу продуктивність серед всіх тестованих моделей, а логістична регресія зайняла друге місце з порівняно високими показниками точності та відтворення.
Проте, як зазначають автори, складніші моделі, такі як XGBoost і CatBoost, не досягли очікуваних результатів, що може бути пов’язано з обмеженим розміром вибірки — лише 50 учасників. Однак ці моделі можуть продовжувати демонструвати високі результати за умови більших та різноманітніших наборів даних, що дозволить покращити їх здатність до узагальнення та точності.
Інші важливі висновки дослідження включають виявлення таких факторів, як рівень С-реактивного білка (СРБ), гематокрит (HCT) та кількість тромбоцитів (PLT) як значущих предикторів ризику передчасних пологів. Зокрема, виявлено, що рівень освіти матері також має важливе значення, вказуючи на важливість соціально-економічних факторів. Це підкреслює багатофакторний характер ризику передчасних пологів, що вимагає комплексного підходу в медичній практиці.
Таким чином, штучний інтелект має великий потенціал для прогнозування передчасних пологів, що може змінити підхід до моніторингу вагітностей та знизити ризики для здоров’я матері та дитини.
