El análisis de embarazo basado en IA revela señales de advertencia ya desconocidas

Un nuevo análisis basado en IA de alrededor de 10,000 embarazos ha descubierto combinaciones ya desconocidas de factores de riesgo asociados con graves consecuencias negativas del embarazo, incluida la calle fallida.

El estudio también encontró que puede haber una diferencia de diez veces en el riesgo de los bebés, que actualmente se tratan con identificación bajo pautas clínicas.

Los autores superiores del estudio, Nathan Blue, MD, dicen que los investigadores realizados por el modelo de IA ayudaron a identificar la combinación "realmente inesperada" de factores de alto riesgo, y que el modelo es una evaluación de riesgos y embarazo más individual y un paso importante es la atención.

Hay nuevos resultados Publicado En Embarazo y parto de BMC,

Riesgo inesperado

Los investigadores comenzaron con un conjunto de datos existente de 9,558 embarazos en todo el país, desde el apoyo social de las personas embarazadas hasta su presión arterial, antecedentes médicos y peso fetal, sobre las características sociales y físicas sobre el resultado de cada embarazo con el peso de su presión arterial. Se incluyó el historial médico y la información del feto. Utilizando la IA para buscar patrones en los datos, identificó nuevas combinaciones de características maternas y fetales, que se asociaron con resultados de embarazo poco saludables como Stallbert.

Por lo general, los fetos femeninos tienen un riesgo ligeramente menor de complicaciones en comparación con el embrión masculino, los efectos pequeños pero bien establecidos. Pero el equipo de investigación descubrió que si una persona embarazada ya tiene diabetes, los fetos femeninos tienen un mayor riesgo que los hombres.

Este patrón ya indefinido muestra que el modelo de IA puede ayudar a los investigadores a aprender cosas nuevas sobre la salud del embarazo, dice Blue, dice que es un asistente de maternidad y Gyne es profesor.

"Encontró algo que podría usarse para informar el riesgo de que el cerebro médico realmente flexible y experimentado no fue reconocido", dice Blue.

Los investigadores estaban interesados ​​en desarrollar mejores estimaciones de riesgo para el feto en el 10%, especialmente por peso, pero no un 3% inferior. Estos niños son muy jóvenes, pero es bastante grande que generalmente sean completamente saludables. En estos casos, es difícil hacer el mejor curso de acción: ¿el embarazo requerirá un monitoreo intensivo y un parto potencialmente temprano, o puede el embarazo proceder en gran medida? Las pautas clínicas actuales recomiendan un monitoreo médico intensivo para todos los embarazos, lo que puede representar una carga emocional y financiera significativa.

Pero los investigadores encontraron que dentro de la clase de peso de este feto, el riesgo de un embarazo poco saludable resulta ampliamente difiere, no desde el embarazo promedio hasta un riesgo promedio de aproximadamente diez veces por el riesgo superior al embarazo promedio. El riesgo se basó en una combinación de factores como el sexo fetal, la apariencia o la ausencia de diabetes que ya existen diabetes y una discrepancia fetal como la insuficiencia cardíaca.

Blue enfatiza que el estudio solo detecta correlaciones entre las variables y no proporciona información sobre lo que realmente causa resultados negativos.

Blue dice que una amplia gama de riesgos es respaldada por la intuición del médico; Los médicos experimentados saben que muchos embriones de bajo peso son saludables y utilizarán varios factores adicionales para llamar decisiones personales sobre el riesgo y el tratamiento. Pero una herramienta de evaluación de riesgos de IA puede proporcionar beneficios significativos en dicha "verificación intestinal", ayudando a los médicos a ayudar, reproduction y recomendaciones recomendadas.

¿Por qué sí?

Para los modelos humanos o de IA, la estimación de los riesgos del embarazo implica tomar una gran cantidad de variables, desde la salud materna hasta los datos de ultrasonido. Los médicos experimentados pueden sopesar todas estas variables para tomar decisiones de cuidado personal, pero incluso los mejores médicos probablemente no podrán determinar cómo alcanzan su decisión final. Los factores humanos como los prejuicios, el estado de ánimo o la falta de sueño se arrastran casi obligatoriamente en la mezcla e idealmente pueden superar las decisiones oblicuas de la atención ideal.

Para ayudar a resolver este problema, los investigadores utilizaron un tipo de modelo llamado "IA explicable", que ofrece un riesgo estimado para el usuario para un conjunto de factores de embarazo e incluye dicha información. y cuanto. A diferencia de la IA de "caja cerrada" más familiar, que también es en gran medida impermeable para los expertos, los modelos interpretables "reflejan su trabajo", para revelar las fuentes de prejuicio para que puedan abordarse.

Esencialmente, la IA de audiencia es probable que estima la flexibilidad de la decisión clínica experta mientras evita su pérdida. El modelo de investigadores también es adecuado para identificar el riesgo de escenarios de embarazo raros, estimando con precisión para personas con combinaciones únicas de factores de riesgo. Tal equipo puede ayudar eventualmente a personalizar la atención guiando las decisiones informadas a aquellos cuyas condiciones son una por una.

Los investigadores aún necesitan probar y validar sus modelos en la nueva población para garantizar que pueda predecir el riesgo en situaciones reales del mundo. Pero Blue espera que un modelo claro basado en IA eventualmente pueda ayudar a personalizar la evaluación y el tratamiento de riesgos durante el embarazo.

"Los modelos de IA pueden anticipar esencialmente un riesgo específico para la referencia de una persona determinada", dicen, "y pueden hacerlo transparente y reproductivo, que nuestros cerebros no hacen este tipo de habilidad se transformará.