科學家建立新生兒不良結局的縱向風險評估

　　早產是5歲以下兒童死亡的主要原因，胎齡和出生體重以及其他指標可以讓臨床醫生對新生兒發病和死亡的風險有一個近似的評估。根據潛在的個人風險，了解哪些早產兒更有可能進展為獲得性早產并發癥，是新時代精準醫學的重要舉措。科學家應用神經網絡和機器學習設計了一種預測模型，它能用電子健康檔案來預測新生兒罹患敗血癥、心力衰竭和其它嚴重疾病的風險。

　　近期，一個美國研究團隊推出了一款新的模型，它能用配對的母親-新生兒電子病例記錄（EHR）來預測個體新生兒在短期內出現24種臨床結局的風險。研究者結合從產婦數據中提取的已知危險因素，建立了支氣管肺發育不良（Bronchopulmonary Dysplasia,BPD）假設預測模型。利用算法識別新生兒的子集，提高了深度學習模型的預測能力。當對早產兒進行評估時，該預測模型與當前使用的風險評分進行比較，該模型明顯優于國家兒童健康和人類發展研究所（NICHD）風險評分。

　　總體來說，研究人員利用神經網絡和機器學習開發出了第一個針對各種新生兒結局的縱向臨床風險預測工具。該預測工具有可能作為臨床醫生和研究人員獨立評估的重要資源，但依然需要進一步的前瞻性研究來評價其臨床價值。相關研究結果以“Data-driven longitudinal characterization of neonatal health and morbidity”為題發表在《Science Translational Medicine》雜志上。

　　注：此研究成果摘自《Science Translational Medicine》雜志，文章內容不代表本網站觀點和立場，僅供參考。