利用常规产前C反应蛋白（CRP）和白蛋白数据，通过可解释的人工智能（AI）对无创性早产风险进行分层评估

《npj Digital Medicine》：Noninvasive PPROM risk stratification with explainable AI using routine antenatal CRP and albumin

　　

摘要

胎膜早破（PROM）和早产胎膜早破（PPROM）是严重的产科并发症，分别影响全球10%至20%和3%的妊娠，是导致早产和新生儿发病率的主要原因。虽然宫内感染是主要的潜在因素，但及时识别高风险病例仍是一个临床挑战。我们利用包含114,601项产前实验室检查和超声数据的大型数据集，开发了一种非侵入性的人工智能（AI）预测框架。该多模态模型整合了纵向临床指标，包括母亲的人口统计信息、实验室结果和超声数据。优化的XGBoost算法表现出优异的性能（AUC：0.952），并确定妊娠晚期C反应蛋白（CRP）水平升高和白蛋白水平降低是关键特征，这突显了炎症和氧化应激的关键作用。SHAP分析确保了模型的可解释性，揭示了妊娠期间风险的变化模式。这种基于AI的方法为妊娠晚期PPROM的风险分层提供了一种精确、非侵入性的工具，为精准产科护理的发展奠定了基础。