dumai
🩺
МедицинаNature Medicine (PubMed)

Модель по картам матери и ребёнка предсказала преждевременные роды

0

Кратко

Система объединила данные из электронных медицинских карт, собранные в разные моменты времени, включая обычные анализы. Для преждевременных родов показатель качества прогноза составил 0,91. Совместные данные матери и ребёнка также улучшали прогноз некоторых заболеваний младенцев, но выявленная связь не доказывает, что состояние матери вызывает эти заболевания.

Как это использовать

Объединение записей матери и ребёнка может дать более полную оценку рисков беременности и болезней младенца. Однако систему проверяли только на уже собранных медицинских картах, а не в испытании, которое показало бы улучшение лечения или исходов.

Разбор

Авторы сделали не просто одну модель для одного диагноза. Они собрали записи о визитах матери и ребёнка в хронологическом порядке и обучили систему восстанавливать пропущенные результаты анализов, учитывать различия между медицинскими учреждениями и оценивать, как меняется здоровье во время беременности и после рождения. Отдельный модуль затем искал подходящие рекомендации в медицинских руководствах и научной литературе — то есть система должна была не только оценить риск, но и подсказать возможные действия врачу.

Такой подход нужен потому, что прежние прогнозы часто смотрят на узкий набор исходов и требуют дорогих обследований или снимков. Здесь проверяли, можно ли получить полезный сигнал из обычных электронных карт, собранных в разные моменты времени. Модель сначала оценили на большом наборе данных, а затем проверили на независимых группах записей — это важнее, чем тестировать её только на тех же данных, на которых она училась.

Дополнительный результат касается не только преждевременных родов. В объединённых данных нашли группы матерей, у детей которых чаще возникали желтуха новорождённых и болезни крови. Когда к записям о беременности добавляли данные самого ребёнка, прогноз некоторых детских состояний, включая хромосомные нарушения и болезни дыхательной системы, становился точнее. Но эти статистические связи показывают совместное появление признаков, а не доказывают, что состояние матери стало причиной болезни ребёнка.

Ключевые цифры

4 401 599 визитовНа таком объёме последовательных медицинских записей модель могла учиться видеть не отдельный анализ, а изменения состояния во времени.
263 452 визитаНа независимом наборе материнских записей систему проверили отдельно от данных обучения — это снижает риск, что она просто запомнила исходный набор.
23 192 визитаОтдельная внешняя проверка на записях младенцев показывает, насколько подход переносится на другую группу пациентов.
HR = 2,81В одной из выделенных групп риск желтухи у новорождённых был почти втрое выше, чем в группе сравнения.

Можно ли доверять

Это рецензированная работа в Nature Medicine, а модель проверили не только на исходных данных, но и на независимых наборах. Однако речь идёт об анализе уже собранных медицинских карт и визитов, а не о клиническом испытании с реальными решениями врачей и исходами лечения; кроме того, число визитов не равно числу уникальных матерей и детей. Поэтому результаты хорошо показывают прогностический потенциал, но ещё не доказывают пользу системы для пациентов в обычной практике.

Пересказано ИИ по научной статье. Как это устроено

Источник и детали
ЖурналNature Medicine
Дата публикации у нас15 сентября 2026 г.
Дата источника4 сентября 2026 г.
ОригиналОткрыть
АвторыSian Liu, Wenxin Zheng, Jin Kang, Tianyi Xu, Siming Chen, Gen Li, Junlong Li, Hang Wong, Meihao Wang, Xiaokai Bai