基于人工智能估算的胎心监护年龄作为预测未来不良妊娠结局的数字生物标志物

《npj Women's Health》：AI-derived cardiotocography age as a digital biomarker for predicting future adverse pregnancy outcomes

　　

摘要

心电监护（CTG）是一种广泛使用、成本效益较高的无创胎儿监测方法，但其对不良妊娠结局的预测潜力仍需进一步研究。本研究基于CTG信号构建了一个人工智能模型（CTGage），并验证了CTGage与实际孕龄之差（CTGage-gap）作为新型数字风险生物标志物的有效性。利用11,385例妊娠期间的61,140份CTG数据，训练出一个基于分布对齐的增强型一维残差卷积神经网络（Net1d）用于预测CTGAge。研究对象被分为五个CTGAge-gap亚组，其中严重低估和严重高估的亚组被合并为高风险组以比较相关妊娠结局的发生率。该模型的平均绝对误差为10.86天。在高估组中，早产和妊娠糖尿病（GDM）的发生率增加；而在低估组中，低出生体重、妊娠期高血压疾病（HDP）和母体贫血的风险增加（所有结果均p < 0.05）。基于人工智能的CTGAge可以作为预测不良妊娠结局的可行无创生物标志物。