文献

J-GLOBAL ID：202002285503802585   整理番号：20A2004798

機械学習モデルを用いたリアルタイムデータ解析は成功した膣分娩の予測を有意に改善する【JST・京大機械翻訳】

Real-time data analysis using a machine learning model significantly improves prediction of successful vaginal deliveries

著者 (10件)： Guedalia Joshua (The Mina & Everard Goodman Faculty of Life Sciences, Bar-Ilan University, Ramat Gan, Israel) ,  Lipschuetz Michal (The Mina & Everard Goodman Faculty of Life Sciences, Bar-Ilan University, Ramat Gan, Israel) ,  Lipschuetz Michal (Division of Obstetrics and Gynecology, Hadassah Hebrew University Medical Center, Jerusalem, Israel) ,  Novoselsky-Persky Michal (Division of Obstetrics and Gynecology, Hadassah Hebrew University Medical Center, Jerusalem, Israel) ,  Cohen Sarah M. (Division of Obstetrics and Gynecology, Hadassah Hebrew University Medical Center, Jerusalem, Israel) ,  Rottenstreich Amihai (Division of Obstetrics and Gynecology, Hadassah Hebrew University Medical Center, Jerusalem, Israel) ,  Levin Gabriel (Division of Obstetrics and Gynecology, Hadassah Hebrew University Medical Center, Jerusalem, Israel) ,  Yagel Simcha (Division of Obstetrics and Gynecology, Hadassah Hebrew University Medical Center, Jerusalem, Israel) ,  Unger Ron (The Mina & Everard Goodman Faculty of Life Sciences, Bar-Ilan University, Ramat Gan, Israel) ,  Sompolinsky Yishai (Division of Obstetrics and Gynecology, Hadassah Hebrew University Medical Center, Jerusalem, Israel)
資料名： American Journal of Obstetrics and Gynecology  (American Journal of Obstetrics and Gynecology)
巻： 223  号： 3  ページ： 437.e1-437.e15  発行年： 2020年 
JST資料番号： H0702A  ISSN： 0002-9378  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 出産の過程は,子孫の将来の健康と発達における最も重要な事象の1つである。分娩過程中の偏在者と胎児の脆弱性は,分娩内モニタリング法の開発と分娩の代替法の出現につながった。しかし,現在のモニタリング法は,介入が不必要な症例の間で正確に識別できず,世界中の帝王切開の高率に部分的に寄与する。機械学習法は,個人化された予測モデルを作成するために様々な医学分野で適用されている。これらの方法を用いて,意思決定を支援するための複雑な関連を持つ豊富な複雑なデータを分析した。機械学習ツールを用いた膣分娩対帝王切開分娩を予測する最初の試みは,労働中に記録された膨大な量のデータを利用しなかった。労働中に記録されたデータは労働の動的過程を表し,従って膣分娩の動的予測にとって貴重である可能性がある。労働の最初の段階で取得したリアルタイムデータを用いて,成功した膣分娩を予測するため,個別化した機械学習ベースの予測モデルを作成することを目的とした。三次紹介センターの12年間に発生した労働の電子カルテを探索し,ラベル付けした。4つの異なるモデルを,複数の母体と胎児のパラメータからの入力を用いて作成した。分娩ユニットへの入院時に利用可能なデータを用い,膣分娩に対する初期リスク評価を計算し,続いて頸部検査データおよび胎児心拍数データを組み入れたモデルを用い,最終的に,労働の最初のステージで利用可能な追加データを統合するモデルを作成した。分娩の試みが試みられた合計94,480症例を同定した。労働の最初の段階から約180百万のデータ点に基づいて,成功した膣分娩を予測する機械学習モデルを開発した。分娩ユニットへの入院時に利用可能なデータを用いたモデルは,0.817(95%信頼区間,0.811~0.823)の曲線下面積をもたらした。リアルタイムデータを用いたモデルは予測精度を増加させた。リアルタイムの頸部検査データを含むモデルは,最初の検査において0.819(95%信頼区間,0.813~0.825)の曲線の下で初期の区域を持って,それは最初の段階の最後によって0.917(95%信頼区間,0.913~0.921)の曲線に基づき区域まで増加した。リアルタイム胎児心臓モニターデータの追加は,最初の検査において0.824(95%信頼区間,0.818~0.830)の曲線下面積を提供し,それは最初の段階の終わりまでに0.928(95%信頼区間,0.924~0.932)の曲線下面積に増加した。最後に,追加リアルタイムデータの追加は,最初の頸部検査において,最初に,曲線下面積を0.833(95%信頼区間,0.827~0.838)に,そして,最初の段階の終わりまでに0.932(95%信頼区間,0.928~0.935)まで増加した。労働過程を通して取得したリアルタイムデータは,機械学習モデルを用いて膣分娩の予測精度を有意に増加させた。これらのモデルは,信頼できる個人化リスクスコアをもたらし,不必要な介入を避けるのを助ける臨床ツールに配信ユニットで集めたデータの翻訳と定量化を可能にする。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  胎児 ,  *分娩 ,  情報配布 ,  帝王切開 ,  血中濃度-時間曲線下面積 ,  *機械学習 ,  電子カルテ ,  予測モデル ,  病歴
準シソーラス用語： 予測精度 ,  *リアルタイムデータ , 【Automatic Indexing@JST】

著者キーワード (7件)： 帝王切開分娩 ,  機械学習 ,  産科 ,  個別化医療 ,  予測 ,  分娩の試み ,  膣分娩

分類 (2件)： 婦人科・産科の診断  (GS02000W) ,  婦人科・産科の臨床医学一般  (GS01030W)

タイトルに関連する用語 (8件)： 機械学習 ,  モデル ,  リアルタイム ,  データ解析 ,  成功 ,  膣 ,  分娩 ,  予測