【产麻新谭】前置胎盘产妇产后出血人工智能神经网络预测模型的建立与验证

浙江大学医学院附属妇产科医院

产后出血（PPH）定义为胎儿娩出后24小时内产妇的累积失血量超过1000mL或伴有低血容量的症状或体征，它是妊娠相关发病率和死亡率的主要原因。前置胎盘是产后出血的主要危险因素之一。但是目前临床上预测PPH仍然是个难题。来自浙江大学医学院附属妇产科医院陈新忠副院长、麻醉科徐丽丽主任团队和浙江大学控制学院赵春晖教授及刘梓航博士合作的一项回顾性的临床研究，设计了一个人工智能神经网络模型来预测前置胎盘产妇剖宫产的产后出血，研究的结果发表在2023年6月的Minerva Anestesiologica杂志上，题目为“Development and validation of an artificial neural network prediction model for postpartum hemorrhage with placenta previa”。

材料与方法

研究回顾性收集了2016年至2019年在浙江大学医学院妇产科医院接受剖宫产手术的223例前置胎盘产妇的相关资料。研究纳入标准：20-50岁，行前置胎盘剖宫产手术，孕早期开始产检且孕周≥28周。排除标准：流产、婴儿死亡、分娩停止或胎儿状态不稳定（NRFS）、其他医院分娩、在重大非产科创伤时分娩、在其他非产科手术干预时分娩以及缺乏妇女信息。这项回顾性研究获得了浙江大学医学院妇产科医院研究伦理委员会的批准（20200197），从电子病历中收集产妇的人口学数据、术前因素和手术信息，并经主管医生确认。

研究的主要结果是产后出血，其定义为分娩时估计失血量≥1000mL。人口统计信息包括产妇的年龄、身高、ASA分级、孕周和孕前体重指数（BMI）。术前因素是指分娩次数、肝功能、肾功能、剖宫产史、髂总动脉球囊置入情况（是或否）、胎盘植入情况（是/否）、前置胎盘类型、胎位、血红蛋白、血小板、纤维蛋白原、D-二聚体、凝血酶时间（TT）、血细胞压积（HCT）、凝血酶原时间（PT）、国际标准化比值（INR）。

前置胎盘的类型分为凶险性、完全性和其他类型。胎位分为LOA（左枕前）、ROA（右枕前）和其他。手术信息包括紧急剖宫产（是或否）和硬膜外麻醉（是或无）。全身麻醉主要用于有椎管内麻醉禁忌症、凝血功能障碍和血液动力学不稳定的孕妇。

统计分析

连续变量用均数±标准差描述，分类变量用百分比表示。t检验用于分析连续变量之间的差异，卡方检验用于比较分类变量之间的差异。Table 1列出了所有产妇的资料，研究采用单变量分析来确定资料中每个变量的重要性。P＜0.01认为具有统计学意义。使用SPSS26.0版本进行统计分析。

预测模型

研究根据产妇的相关变量数据构建了一个人工智能神经网络（ANN）模型来预测前置胎盘的PPH。Figure 1是人工智能神经网络模型的示意图，从结构上讲，人工智能神经网络可以分为输入层、隐藏层和输出层。输入数据将通过输入层、多个隐藏层进行前向传播，并最终在输出层之后输出分类结果。

第i个隐藏层的计算过程如下：

其中hi-1表示第（i-1）层的输出，W和b分别表示权重和偏置。σ是激活函数，它引入非线性因素来防止网络退化。本研究采用ReLU函数。网络参数将通过在每次迭代期间反向传播在模型输出和真实分类标签之间计算的交叉熵损失来更新。

二进制交叉熵损失计算如下：

其中y表示分类标签，y^是预测结果。

该研究中神经网络模型由一个输入层、两个隐藏层和一个输出层组成，两个隐藏层各有64个神经元，采用Dropout来防止模型过拟合。对于模型训练，研究使用了Adam优化器，并对网络进行了1000次迭代训练，初始学习率为0.01。为了得到更令人信服的结果，研究采用了5倍的交叉验证，并将预测结果平均作为最终性能。对于性能评估，研究使用了受试者工作特征曲线的AUC，它经常被用作数据科学中预测任务的评估指标。研究还计算了预测的准确率、精确率和召回率，以更好地评估模型的预测性能。

计算定义如下：

(3)

(4)

(5)

其中TP、FP、TN、FN分别指真阳性、假阳性、真阴性和假阴性样本。此外，研究所提出的方法与其他六种机器学习方法进行了比较，以确定人工智能神经网络算法是否可以有意义地提高PPH风险预测的性能，包括支持向量机、随机森林、决策树、梯度提升决策树、自适应提升算法和逻辑回归。

结果

研究共纳入245例行剖宫产手术的前置胎盘产妇，根据纳入标准及排除标准最终对其中的223例产妇进行了分析，PPH组产妇共有101例（45.29%），非PPH组产妇有122例（54.71%），研究对两组进行了统计学分析，确定了差异变量，PPH预测模型最终纳入了20个相关变量，具体见Table 1。

Table 2展示了该研究所提出的方法与其他六种方法的预测结果比较。该研究的ANN模型实现了最佳的预测性能，AUC、准确率、精确率和召回率分别为0.917（0.891-0.938）、0.851（0.799-0.875）、0.829（0.759-0.871）和0.851（0.7 61-0.911）。与其他六种机器学习方法中性能最好的方法相比，该研究预测模型的AUC相对提高了8.8%，准确率相对提高了9.9%，证明了研究预测模型方法具有强大的预测性能。

研究提出的方法和其他机器学习方法的ROC结果见Figure 2。其他六种方法的ROC曲线相近，该研究的ANN模型显然优于其他机器学习方法，AUC最高为0.917。

Figure 3显示了交叉验证中每个ANN模型的具体ROC曲线，该研究的预测模型在大多数验证集中保持了较高的预测精度，再次证明了ANN模型的优越性能。

此外，研究使用Shapley加性解释方法对变量的重要性进行了分析。前十个重要变量如Figure 4所示，按Shapley加性解释（SHAP）值排序。SHAP值越大表示在PPH预测过程中变量的重要性越高。胎盘植入、双侧髂总动脉球囊置入和紧急剖宫产是最重要的三个变量。

讨论

PPH是全世界范围内妊娠相关疾病和死亡率的主要原因，因此预测PPH具有重要的临床意义。既往的六种方法已经表明了构建预测模型的可行性，并指出高危产妇的选择及分类是挽救生命的关键。但是，目前预测模型的能力仍然不太令人满意，尤其是剖宫产手术后。

与以往的方法不同，本研究侧重于探索识别前置胎盘产妇PPH风险水平（低或高）的模型。由于前置胎盘是产后出血最危险的因素之一，因此需要为剖宫产前置胎盘患者建立准确的预测模型。因此，通过收集223例产妇的数据开发了一个人工智能神经网络模型，研究从电子病历中收集人口统计学信息、术前因素和手术信息，关于模型构建，研究首先进行了单变量分析，确定了相关变量，因为在临床实践中有多个变量影响出血结果；其次，设计了一个人工智能神经网络来进行PPH的风险水平预测；该研究还使用传统的机器学习方法进行了实验，以确定人工智能神经网络算法是否可以有意义地提高PPH风险预测的性能。

在六种传统的机器学习方法中，逻辑回归的AUC最高，为0.843（0.823-0.856），支持向量机的预测精度最高，为0.774（0.744-0.790）。决策树和基于决策树的方法（如随机森林和梯度提升决策树）的分类结果不够令人满意，这表明这些方法可能不适合于PPH预测任务。与上述传统的机器学习方法相比，人工智能神经网络算法具有较高的容错性和自适应特征学习能力。预测结果证明，该方法在前置胎盘剖宫产病例中具有良好的识别PPH风险产妇的能力，其AUC从0.843提高到0.917，预测精度从0.774提高到0.851，准确度得分和回忆得分也以类似的方式得到了提高。因此，人工智能神经网络算法似乎是一种很好地处理PPH预测任务的方法。此外，模型处理变量和输出预测结果只需要大约10秒，与手动处理相比更节省时间。

研究有以下局限性：首先，研究纳入的是前置胎盘剖宫产患者，数据的大小和分布有限，所收集数据的统计信息可能与临床实践中的真实情况有偏差，这使得预测结果不足以反映该模型的真实性能，通常较大的训练样本会导致机器学习模型具有更好的预测性能，因此，未来将建立更大的数据库或多个中心的研究，来提升研究模型；其次，通过单变量分析，确定了20个临床变量的潜在PPH危险因素，PPH定义为失血量≥1000mL，然而，本研究中只收集和分析了产妇的基本情况、围手术期生命体征的变化和实验室检查，未来将收集包括超声和MRI在内的影像学检查。

结论

该研究开发了一个人工智能神经网络模型来预测前置胎盘剖宫产患者PPH的风险水平，与传统的机器学习方法相比，将识别的风险因素与人工智能神经网络算法相结合，具有优越的预测精度，有助于充分的术前准备。尽管由于研究关注的前置胎盘患者的PPH病例不足，预测性能可能有限，我们的研究的结果今后将先进的机器学习方法应用于更大的数据库以进一步提高性能提供了机会。

翻译：樊玉秀、代少兵

审校：陈新忠、徐丽丽

参考文献：

Xu L, Liu Z, Ma N, Chen J, Shen J, Chen X, Zhao C. Development and validation of an artificial neural network prediction model for postpartum hemorrhage with placenta previa. Minerva Anestesiol. 2023 Jun 28.

声明：古麻今醉公众号为舒医汇旗下，古麻今醉公众号所发表内容之知识产权为舒医汇及主办方、原作者等相关权利人所有。未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。

本文由“健康号”用户上传、授权发布，以上内容（含文字、图片、视频）不代表健康界立场。“健康号”系信息发布平台，仅提供信息存储服务，如有转载、侵权等任何问题，请联系健康界（jkh@hmkx.cn）处理。

相关知识

【产麻新谭】常规应用氨甲环酸预防剖宫产产后出血有意义吗？
前置胎盘的诊断与处理指南（2020）
前置胎盘+胎儿畸形怎么办？
顺产路上的“拦路虎”——前置胎盘
前置胎盘会早产吗
帆状胎盘血管前置诊断与处理...
前置胎盘剖腹产安全吗
前置胎盘可引起大出血
产后大出血产后期的预防介绍
智能心脏健监测：基于人工智能的心率检测系统

网址: 【产麻新谭】前置胎盘产妇产后出血人工智能神经网络预测模型的建立与验证 https://www.trfsz.com/newsview157861.html