编辑推荐：
在孕期巨大儿（Macrosomia）产前预测面临挑战的背景下，研究人员开展了 “机器学习方法预测孕期不同阶段巨大儿” 的研究。他们收集数据构建 21 个模型，发现 Logistic 回归和集成模型预测性能良好，为孕期咨询、评估和决策提供依据。
在妇产科领域，胎儿巨大儿问题一直备受关注。巨大儿指出生体重超过 4000g 的胎儿，其发生率在发展中国家为 0.5 - 14.9%，中国为 7.3%。这不仅会增加产妇分娩时出现难产、产后出血等并发症的风险，还可能导致新生儿低血糖、产伤等短期问题，甚至增加其未来患心血管代谢疾病的几率。目前，虽然已有多种预测巨大儿的方法，如基于母体因素构建的列线图模型、超声监测等，但都存在一定局限性。超声监测受资源限制，且晚期预测时干预时间有限；现有模型预测准确性仍有待提高。因此，开发更精准、更早期的巨大儿预测方法迫在眉睫。
为了解决这些问题，北京清华长庚医院的研究人员开展了一项回顾性研究。他们旨在利用机器学习方法，提高孕期不同阶段巨大儿的预测能力。该研究成果发表在《BMC Pregnancy and Childbirth》杂志上。
研究人员收集了 2019 年 12 月至 2024 年 7 月在北京清华长庚医院分娩单胎婴儿的 500 名孕妇的产科电子病历。其中，训练集包含 208 例巨大儿和 208 例非巨大儿病例，另外 84 例用于外部验证。研究人员共选取了 23 个候选变量，涵盖孕妇的基本特征、体格测量数据和实验室检查结果。在数据处理方面，针对缺失值采用单值插补法，处理极端值并对数据进行标准化和编码。通过最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator，Lasso）方法结合 Lasso 交叉验证（LassoCV）进行特征选择，确定了不同孕期阶段的关键特征。研究中运用了随机森林（Random Forest，RF）、K 近邻（K-nearest neighbors，KNN）、AdaBoost、支持向量机（Support Vector Machine，SVM）、朴素贝叶斯、逻辑回归（Logistic Regression）6 种算法，并构建了集成模型。利用 10 折交叉验证和网格搜索（GridSearchCV）进行模型训练和超参数优化，通过受试者工作特征曲线（Receiver Operating Characteristic，ROC）、曲线下面积（Area Under the Curve，AUC）、准确率、精确率、灵敏度、特异度和 F1 分数等指标评估模型性能，还运用 SHapley Additive exPlanations（SHAP）分析解释模型变量的重要性。
研究结果
- 人口统计学特征：对比巨大儿和非巨大儿组发现，巨大儿组孕妇的身高、孕前体重、孕早期体重、产前体重、孕期体重增加量更高，多胎妊娠（gravidity≥2）和经产妇（parity≥2）比例更大，且男婴比例更高。通过 Lasso 分析确定了不同孕期阶段影响巨大儿的关键因素，随机森林算法得出预测巨大儿的前 5 个重要特征为产前体重、孕期体重增加量、产前 Hb 与孕早期 Hb 比值（Pre-labor Hb/First-trimester Hb）、孕早期 Hb 和孕妇身高。
- 模型预测和算法性能：在孕前数据预测中，朴素贝叶斯和逻辑回归模型精确率最高，SVM 模型灵敏度最佳；孕早期数据预测时，SVM 模型精确率最高，朴素贝叶斯模型灵敏度最高；产前数据预测中，逻辑回归和集成模型精确率最高，集成模型灵敏度达到 0.951。整体来看，随着孕期进展，模型 AUC 值逐渐增加。孕前数据集模型 AUC 范围为 0.582 - 0.790，孕早期为 0.625 - 0.815，产前为 0.830 - 0.930，集成模型在产前数据预测中 AUC 达到 0.930。
- 特征重要性评估：SHAP 分析显示，对产前预测巨大儿的集成模型影响最大的 5 个特征为产前体重、孕周、孕期体重增加量、孕早期 Hb 和新生儿性别。较高的产前体重、孕周、孕期体重增加量、孕早期 Hb 和孕妇身高会增加巨大儿预测的可能性；较高的 Pre-labor Hb/First-trimester Hb 比值则降低巨大儿的可能性。单因素逻辑回归分析表明，孕妇身高、孕周、gravidity>2、parity≥2、男性胎儿、产前体重和孕期体重增加量与巨大儿风险显著相关；多因素逻辑回归分析显示，孕周、产前体重和男性胎儿与巨大儿风险显著相关，且孕早期首次产检孕周与巨大儿风险呈负相关。
研究结论和讨论
该研究首次利用孕前、孕早期和产前数据进行机器学习预测巨大儿，集成模型在产前预测中表现出色，为孕期咨询、产前评估和产时决策提供了有价值的参考。研究进一步证实了孕妇体重、身高、孕期体重增加量、孕周和新生儿性别等因素与巨大儿的关联。然而，研究也存在局限性，如单中心回顾性研究可能存在偏倚，随机欠采样可能丢失信息，血压测量方式单一，未考虑糖化血红蛋白（HbA1c）、糖化白蛋白、脂质代谢和遗传易感性等因素。未来需要多中心研究和更全面的数据来改进预测模型。总体而言，这项研究为母婴健康管理开辟了新方向，有望通过早期预测和干预降低巨大儿相关风险，提升生殖健康水平。
