기계 학습 모델은 자간전증 위험이 있는 임산부를 정확하게 예측합니다.

작성: Lori Solomon HealthDay Reporter

Judith Stewart, BPharm의 의학 검토. 2026년 3월 12일에 마지막으로 업데이트되었습니다.

HealthDay를 통해

2026년 3월 12일 목요일 -- JAMA Network Open에서 3월 6일 온라인으로 발표된 연구에 따르면 전자 건강 기록 데이터를 기반으로 한 기계 학습 모델이 자간전증 위험에 대한 업데이트된 예측을 제공할 수 있다고 합니다.

뉴욕 Weill Cornell Medicine의 Haoyang Li 박사와 동료들은 종단적 전자 건강 기록 데이터(임신 58,839건)를 사용하여 동적 단기를 위한 기계 학습 모델을 개발하고 검증했습니다. 자간전증 발병을 예측합니다.

연구자들에 따르면 자간전증이 발생한 개인은 나이가 더 많았고(중앙 연령, 코호트 전체에서 33.0~35.0세 대 31.0~34.0세), 흑인(범위, 14.8~41.8% 대 6.5~21.8%) 빈도가 더 높았습니다. 예측 성능은 임신 기간(임신 28~34주)에 따라 증가했으며 임신 34주에 최고조에 달했습니다(수신기 작동 특성 곡선 아래 영역, 훈련 시 0.863, 검증 시 0.808~0.834). 양성 예측률도 28주차(0.001~0.002)에서 증가했으며 36주차(0.046~0.057)에 최고조에 달했습니다. 음성 예측 값은 >0.993이었습니다. 가장 유익한 예측 변수는 혈압이었고, 실험실 측정(알부민, 알칼리성 포스파타제 및 혈액학적 지수)은 임신 초기에 기여했으며 인구통계학적 및 산과적 요인은 나중에 더 중요한 것으로 나타났습니다.

"자간전증에 대한 동적 단기 예측은 일상적으로 이용 가능한 임상 및 실험실 데이터를 사용하여 가능했습니다."라고 저자는 썼습니다. "이러한 결과는 이 접근 방식이 조기 개입의 기회를 제공했으며 다양한 의료 환경에 적응할 수 있음을 시사합니다."

여러 저자가 바이오제약 산업과의 관계를 밝혔습니다.

초록/전체 텍스트(구독 또는 결제가 필요할 수 있음)

면책조항: 의학 기사의 통계 데이터는 일반적인 추세를 제공하며 개인과 관련이 없습니다. 개별적인 요인은 크게 다를 수 있습니다. 개인의 의료 결정에 대해서는 항상 개인화된 의학적 조언을 구하세요.

출처: HealthDay

게시됨 : 2026-03-13 01:48

더 읽어보세요

면책조항

Drugslib.com에서 제공하는 정보의 정확성을 보장하기 위해 모든 노력을 기울였습니다. -날짜, 완전하지만 해당 효과에 대한 보장은 없습니다. 여기에 포함된 약물 정보는 시간에 민감할 수 있습니다. Drugslib.com 정보는 미국의 의료 종사자와 소비자가 사용하도록 편집되었으므로 달리 구체적으로 명시하지 않는 한 Drugslib.com은 미국 이외의 지역에서 사용하는 것이 적절하다고 보증하지 않습니다. Drugslib.com의 약물 정보는 약물을 보증하거나 환자를 진단하거나 치료법을 권장하지 않습니다. Drugslib.com의 약물 정보는 면허를 소지한 의료 종사자가 환자를 돌보는 데 도움을 주고/하거나 이 서비스를 건강 관리에 대한 전문 지식, 기술, 지식 및 판단을 대체하는 것이 아니라 보완으로 보는 소비자에게 제공하기 위해 설계된 정보 리소스입니다. 실무자.

특정 약물 또는 약물 조합에 대한 경고가 없다고 해서 해당 약물 또는 약물 조합이 해당 환자에게 안전하고 효과적이거나 적절하다는 의미로 해석되어서는 안 됩니다. Drugslib.com은 Drugslib.com이 제공하는 정보의 도움으로 관리되는 의료의 모든 측면에 대해 어떠한 책임도 지지 않습니다. 여기에 포함된 정보는 가능한 모든 용도, 지시 사항, 주의 사항, 경고, 약물 상호 작용, 알레르기 반응 또는 부작용을 다루기 위한 것이 아닙니다. 복용 중인 약에 대해 궁금한 점이 있으면 담당 의사, 간호사 또는 약사에게 문의하세요.

기계 학습 모델은 자간전증 위험이 있는 임산부를 정확하게 예측합니다.

더 읽어보세요

면책조항

인기있는 키워드