KI-gestützte Vorhersage von Schwangerschaftskomplikationen in drei Bevölkerungen: Schweden, Chile, Singapur
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Studie mit über 700.000 Schwangerschaften aus Schweden, Chile und Singapur zur Entwicklung von Machine-Learning-Modellen für die Frühdiagnostik ungünstiger mütterlicher und neonataler Ergebnisse mittels Daten bis 14. Schwangerschaftswoche.
Ergebnis
Das LightGBM-Modell erreichte AUROC-Werte von 0,65 in allen drei Populationen, gegenüber 0,53–0,56 für routinemäßige klinische Risikobewertungen (p<0,05). Bei 50 % Falsch-Positive-Rate erreichte das Modell 69,17 % Sensitivität für Schweden, 69,62 % für Chile und 64,93 % für Singapur. Soziodemografische Variablen zählten zu den wichtigsten Prädiktoren.
Übertragbarkeit auf Deutschland
Nachweise aus skandinavischen und asiatischen Daten, teilweise erhöhter Digitalisierungsgrad als Deutschland
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.