人工智能技术预测胎盘功能不全的可行性研究

作     者：陈结云 陈敏 陈敦金 CHEN Jieyun;CHEN Min;CHEN Dunjin

作者机构：广州医科大学附属第三医院产前诊断(胎儿医学)科广东广州510150 广州医科大学附属第三医院人工智能实验室广东广州510150 广州医科大学附属第三医院广东省产科重大疾病重点实验室、广东省妇产疾病临床医学研究中心、粤港澳母胎医学高校联合实验室广东广州510150 

出 版 物：《实用妇产科杂志》 (Journal of Practical Obstetrics and Gynecology)

年 卷 期：2024年第40卷第12期

页      面：992-998页

学科分类：1002[医学-临床医学] 100211[医学-妇产科学] 10[医学] 

主　　题：胎盘功能不全 人工智能 子宫动脉搏动指数 胎盘体积 胎盘血管血流化参数 

摘      要：目的:探索人工智能(AI)技术在孕早期预测胎盘功能不全(PI)患者的可行性。方法:选择单胎前壁胎盘的高危孕妇为研究对象。孕早期收集超声影像数据:子宫动脉搏动指数(UTPI)和胎盘血管血流化参数(PVIs)。结局发展为子痫前期(PE)和胎儿生长受限(FGR)的患者被定义为PI。孕早期胎盘图像扩增后分为训练集与测试集,从训练集图像中提取胎盘纹理特征创建基于超声图像技术的胎盘功能不全机器学习模型,用测试集图像进行验证,比较超声与AI的诊断试验结果。结果:纳入164例孕妇,胎盘功能正常组和PI组分别为147例和17例,AI测试集对预测PI的敏感度、特异度、阳性预测值、阴性预测值、阳性似然比和阴性似然比分别为73.33%、60.85%、58.93%、74.87%、1.87和0.44,受试者工作特征(ROC)曲线下面积0.67,精确率58.93%,召回率73.33%,F1分数0.65。超声与AI的诊断试验结果比较:AI阳性预测值最高(58.93%),其他诊断试验指标均低于PVIs。结论:基于胎盘超声纹理分析的AI技术的阳性预测值优于超声参数,鉴于PVIs值容易受到许多技术或生理性参数的影响,AI是预测PI崭新有希望的工具。