深度学习模型最早可预测31周的早产

早产是指婴儿在妊娠37周之前出生，影响了全球近10%的怀孕，而且这一比率还在上升。圣路易斯华盛顿大学麦凯维工程学院的研究人员正在开发更好的方法，通过分析怀孕期间的电活动来预测早产。

普雷斯顿绿色电气与系统工程系Eugene&MarthaLohman电气工程教授AryeNehorai和分别于2020年和2022年获得华盛顿大学生物医学工程硕士和博士学位的UriGoldsztejn开发了一种使用深度学习预测早产的模型，最早可预测怀孕31周。研究结果于5月11日发表在PLoSOne上。

“我们的方法使用子宫电图测量和在妊娠第31周左右获得的临床信息来预测早产，其性能与用于检测有早产症状的妇女临产的临床标准相当，”Nehorai说。

为了设计他们的方法，Nehorai和Goldsztejn使用了子宫电图(EHG)的测量结果，这是一种通过放置在腹部的电极检测子宫电活动的非侵入性技术，以及来自两个公共数据库的临床信息，例如年龄、胎龄、体重、以及妊娠早期或中期出血。

他们根据对总共159名妊娠至少26周的孕妇进行的30分钟EHG数据训练了一个深度学习模型。一些记录是在定期检查期间获得的，而另一些记录则来自因早产症状而住院的母亲。在所有女性中，近19%的人早产。

Goldsztejn说：“我们使用深度神经网络从EHG记录中预测了妊娠结果，因为神经网络会自动从数据中学习信息量最大的特征。”“深度学习算法取得了比其他方法更好的性能，并提供了一种将EHG数据与临床信息相结合的好方法。”

该团队使用表明各自妊娠结果的数据样本训练其深度循环神经网络，以从预测这些结果的数据中学习特征。

这项工作是第一种使用EHG测量来预测早产31周的方法，该方法达到了临床有用的准确性，它建立在Nehorai实验室之前的工作之上，并发表在PLoSOne上。在早期的研究中，Nehorai和他的合作者开发了一种方法，使用磁肌造影术来估计宫缩期间子宫内的电流，这是一种非侵入性技术，通过记录肌肉电流产生的腹部磁场来绘制肌肉活动图。

它还建立在Nehorai和Goldsztejn最近发表在生物医学信号处理和控制上的新研究的基础上，该研究详细介绍了一种统计信号处理方法，用于在多维EHG测量中将子宫电活动与基线电活动(例如来自女性的心脏)分开，以识别子宫收缩更确切地说

在他们的研究中，Nehorai和Goldsztejn发现EHG测量的各种组成部分有助于他们模型的预测。EHG测量的较高频率成分更能预测早产。他们还发现，他们的模型可以有效预测更短的EHG记录，这可以使模型更易于使用，在临床环境中更具成本效益，并可能在家庭环境中使用。

“早产是一种异常的生理状况，而不仅仅是碰巧提前结束的妊娠，”Nehorai说。“因此，我们可以预期，生理测量(例如EHG记录)可能会显示以早产或足月分娩结束的妊娠之间的二分法，而不是与分娩时胎龄相关的连续特征中显示的二分法。”

展望未来，Nehorai和Goldsztejn计划开发一种设备来记录EHG测量值，并从更大范围的孕妇队列中收集数据，以改进他们的方法并验证结果。