
-
生物通官微
陪你抓住生命科技
跳动的脉搏
Retina-PE 多模态深度学习模型用于子痫前期的预测与风险分层
《npj Digital Medicine》:Deep learning retinal vascular biomarker predicts preeclampsia in a multicenter prospective cohort
【字体: 大 中 小 】 时间:2026年11月18日 来源:npj Digital Medicine 18.0
编辑推荐:
摘要子痫前期(PE)会导致母婴围产期的发病率和死亡率增加,然而非侵入性筛查手段仍然有限。我们开发了Retina-PE这一多模态深度学习模型,该模型结合了视网膜照片、母亲临床因素和平均动脉压来预测子痫前期的发生。研究使用了来自8616名孕妇的前瞻性多中心数据来进行模型开发和评估。开
子痫前期(PE)会导致母婴围产期的发病率和死亡率增加,然而非侵入性筛查手段仍然有限。我们开发了Retina-PE这一多模态深度学习模型,该模型结合了视网膜照片、母亲临床因素和平均动脉压来预测子痫前期的发生。研究使用了来自8616名孕妇的前瞻性多中心数据来进行模型开发和评估。开发数据集中的接收者操作特征曲线(ROC曲线)下面积(AUC值)分别为:24–28周和28–32周产前子痫前期发生的AUC为0.853和0.708;1周和4周早产子痫前期的AUC为0.871和0.791;1周和4周早期发病子痫前期的AUC为0.979和0.862。相应的外部验证数据集AUC值分别为0.728和0.815、0.801和0.801、0.776和0.766。模型的性能提升具有任务特异性。患者级别的分析显示了类似的结果,但在某些任务中事件数量较少。这些发现支持利用视网膜成像技术对母亲风险进行分层的评估。
