《Pregnancy Hypertension》：Artificial intelligence for non-invasive hemodynamic profiling in pregnancy: Development of a novel scoring system
编辑推荐：
AI-SCORE系统通过临床变量非侵入式分类妊娠期血流动力学模式，经验证AUC-ROC达0.706-0.811，有效区分高阻力/正常/高动力三类亚型，为妊娠高血压管理提供新工具。
Nevardo Calderón-Restrepo | Carolina Pemberthy-López | Nazareth Campo-Campo | Luisa Durango-Gutiérrez | Diego álvarez-Montoya | Jaime Gallo-Villegas | Jorge Gutiérrez-Marín | Dagnovar Aristizábal-Ocampo
波利瓦尔 pontificia 大学健康科学学院，哥伦比亚麦德林
摘要
目的
妊娠期间的血流动力学特征分析对于高血压疾病（如先兆子痫）的风险分层和管理至关重要。虽然传统的超声心动图评估方法准确，但成本较高且并非普遍可及。本研究旨在开发并验证一种简单、无创的、基于人工智能的评分系统（AI-SCORE），该系统能够利用易于获取的临床变量对母亲的血流动力学特征进行分类。
研究设计
在这项横断面研究中，90名低风险孕妇在一家三级医疗机构接受了标准超声心动图检查作为参考。从超声心动图中提取的平均动脉压（MAP）和心输出量数据经过主成分分析后，再通过K均值聚类方法来识别不同的血流动力学特征。随后，利用孕周、年龄、体重、心率和MAP/心率指数等临床预测因子训练了一个通用回归神经网络，以生成AI-SCORE评分系统。通过接收者操作特征曲线下面积（AUC-ROC）来评估该模型的分类性能。
结果
母亲的中位年龄为27岁（四分位数范围[IQR] 24–31岁）；30%的参与者被归类为肥胖。研究发现了三种血流动力学类型：高阻力型（低动力型）占36.7%，正常动力型占38.9%，高动力型占24.4%。这些血流动力学类型在各个孕周中分布均匀。AI-SCORE在区分不同血流动力学类型时的AUC-ROC值介于0.706至0.811之间。较低的评分对应高阻力/低动力型，而较高的评分则表明处于高动力状态。
结论
AI-SCORE利用无创且低成本的临床数据可靠地识别了母亲的血流动力学类型。通过实现快速床边评估，这一工具有望提升妊娠期高血压疾病的筛查、诊断和个性化管理效果。
引言
先兆子痫（PE）是一种起源于胎盘的进行性多系统妊娠疾病，会影响全身内皮组织，其特征是高血压和靶器官损伤。通常，先兆子痫发生在妊娠的后半期或产后，属于妊娠相关高血压疾病（HDP）的一部分，导致全球14%的孕产妇死亡[1]。早发型先兆子痫可能与低心输出量（CO）、高全身血管阻力（SVR）和血管内容量减少（低动力型）相关[2]。患有这种类型先兆子痫的孕妇可能面临更高的心血管疾病风险、产后心脏功能障碍、难治性高血压以及胎儿生长受限（FGR）[2][3][4][5]。相比之下，晚发型先兆子痫可能与高心输出量、正常或低SVR以及血管内负荷过重（高动力型）相关[2]。循环生物标志物和血流动力学特征比体重指数、家族史和母亲年龄等临床数据更能准确区分妊娠期高血压的主要类型[6]。早期识别母亲的血流动力学特征有助于优化风险分层、及时诊断、指导针对性治疗并改善预后[3,4][7][8][9]。
尽管存在多种侵入性和非侵入性技术（包括多种商业平台）可用于评估妊娠期血流动力学[2][10][11][12][13][14][15][16][17][18][19][20][21][22][23]，但这些方法仍受限于侵入性、可用性有限、成本高昂或准确性不足的问题。与此同时，机器学习方法已经开始克服这些限制：人工神经网络能够利用母亲的特征和循环生物标志物准确预测妊娠早期的先兆子痫[24]；支持向量机算法应用于脉波分析也能有效分类高血压类型[25]。此外，数学模型被用来模拟妊娠期间的血流动力学和血管变化，特别是早期和晚期的变化，以更好地理解其差异并提高预测和预后能力[15]。尽管过去十年我们在先兆子痫病理生理学方面取得了进展，但仍亟需一种简单、无创的工具来准确分类母亲的血流动力学特征，从而指导个性化的筛查、诊断和管理。
在之前的研究中，我们证明仅通过臂部血压即可利用双元素Windkessel模型估算总动脉顺应性，从而无需进行脉波分析[26,27]。然而，目前尚不清楚人口统计学、人体测量学和常规临床变量是否可以通过人工智能可靠地概括超声心动图所定义的孕妇血流动力学特征。为了解决这一问题，我们进行了一项针对低风险单胎妊娠女性的横断面研究。每位参与者均接受了超声心动图检查，作为血流动力学分类的参考标准[28]。本研究的目标是：i) 根据血压测量和超声心动图变量识别血流动力学模式；ii) 创建并验证一个基于人工智能的评分系统（AI-SCORE），该系统能够仅利用易于获取的临床数据对血流动力学特征进行无创分类。
研究设计
本研究在18岁以上的低风险妊娠女性中进行，参与者均通过知情同意参与研究。招募工作于2024年10月至2024年11月在哥伦比亚麦德林的Bolivariana大学诊所进行。本研究遵循了TRIPOD + AI声明的建议[29]。
参与者
研究在一家三级医疗中心进行，该中心是地区性的母婴和围产期护理转诊机构。
结果
在最初筛选的120名女性中，115名（95.8%）符合基本纳入标准。随后有25名参与者因慢性高血压（n=13）、严重胎儿形态异常（n=8）、自身免疫疾病（n=2）、慢性肾病（n=1）或自愿退出研究（n=1）而被排除，最终确定了90名低风险单胎妊娠女性（图1）。母亲的中位年龄为27岁（IQR：24–31岁）；30%的参与者被归类为肥胖。详细的人口统计学和人体测量学数据如下：
讨论
本研究首次证明，基于超声心动图的简单指标（心输出量CO和SVR）可以区分妊娠期间三种可重复的血流动力学类型：高阻力型（低动力型）、正常动力型和高动力型。重要的是，每种类型在各个孕周中均有出现，这突显了这些循环模式的动态性和持续性。在此基础上，我们开发了AI-SCORE，这是一个基于人工智能的评分系统。
资金信息
本研究未获得公共部门、商业机构或非营利组织的任何特定资助。
作者贡献声明
Nevardo Calderón-Restrepo：概念构思、数据整理、方法论设计、数据分析、初稿撰写。
Carolina Pemberthy-López：概念构思、数据整理、方法论设计、数据分析、初稿撰写。
Nazareth Campo-Campo：概念构思、数据整理、方法论设计、初稿撰写。
Luisa Durango-Gutiérrez：概念构思、数据整理、方法论设计、初稿撰写。
Diego álvarez-Montoya：概念构思、数据分析
利益冲突声明
作者声明没有已知的可能影响本文研究的财务利益或个人关系。
致谢
作者感谢所有参与研究的女性，感谢Jorge Farbiarz开发AI-SCORE应用程序，以及Diana Paola Cuesta在方法学方面的指导。
