编辑推荐：
子痫前期（PE）严重威胁母婴健康，分娩时机抉择困难。研究人员开发并验证 PEDeliveryTime 模型，利用电子健康记录预测 PE 诊断至分娩时间。该模型在多数据集表现良好，有助于评估分娩紧迫性，合理分配医疗资源。
在孕育新生命的奇妙旅程中，子痫前期（Preeclampsia，PE）却如同一朵阴霾，悄然笼罩着众多准妈妈和腹中胎儿的健康。这一病症是全球范围内导致孕产妇、胎儿和新生儿发病及死亡的重要原因，影响着 2% - 8% 的妊娠。它通常在妊娠 20 周后出现高血压、蛋白尿，还可能伴随其他终末器官损伤的迹象。
目前，对于 PE 的治疗，唯一已知的有效方法是分娩胎盘，但何时分娩却成为了一道难题。过早分娩虽能降低产妇不良结局的风险，却会增加早产儿入住新生儿重症监护病房的几率；过晚分娩又可能让产妇面临癫痫、中风、器官功能障碍以及胎儿宫内死亡等严重并发症。临床医生在决定分娩时间时，需要综合考虑胎儿发育情况、母婴并发症风险以及重症监护资源的可用性等诸多因素，然而现有的风险评估工具大多仅关注产妇风险预测，无法全面考量整体的分娩紧迫性。而且，这些工具也未充分考虑患者的种族、社会地位、生活方式和其他合并症等基线特征对分娩时间的影响。
为了突破这一困境，来自美国密歇根大学（University of Michigan）和佛罗里达大学（University of Florida）的研究人员开展了一项具有开创性的研究。他们致力于开发并对外验证一种名为 PEDeliveryTime 的深度学习模型，旨在利用电子健康记录（Electronic Health Records，EHR）数据，精准预测 PE 患者从初次诊断到分娩的时间。最终，研究成果发表在《Nature Communications》上，为解决 PE 分娩时间预测难题带来了新的曙光。
在研究过程中，研究人员运用了多种关键技术方法。首先，他们从密歇根大学和佛罗里达大学的医疗系统中分别获取了发现队列和外部测试队列的 EHR 数据，这些数据包含了丰富的患者信息，为模型构建提供了坚实的基础。接着，研究人员使用 Cox-nnet v2 算法构建模型，该算法包含输入层、隐藏层和 Cox 回归输出层。为确保模型的稳定性和准确性，他们将发现数据集划分为训练集（80%）和留出测试集（20%），并在训练集上进行 5 折交叉验证，同时运用早期停止机制防止过拟合。此外，研究人员还对 EHR 数据进行了特征工程，筛选出有意义的特征，并通过计算排列重要性得分和 log-rank P 值进一步减少特征数量，构建出具有临床意义的模型。
下面让我们详细了解一下研究的主要结果：
- 队列特征：研究的发现队列包含 1533 例 PE 病例，其中 374 例为早发型子痫前期（Early-onset Preeclampsia，EOPE）病例，来自密歇根大学；外部测试队列包含 2172 例 PE 病例（547 例 EOPE），来自佛罗里达大学健康系统。这些病例的 EHR 数据被用于预测诊断至分娩的时间。
- PE 患者诊断至分娩间隔的基线预测模型：研究人员从 EHR 系统的结构化数据中获取 45 个变量构建基线模型，该模型在多个队列中表现良好，C 指数较高。经过特征减少后，得到包含 7 个重要特征的 “临床信息丰富的 Cox-nnet 基线模型”。这些特征中，诊断时的孕周、重度子痫前期（sPE）等会缩短诊断至分娩的时间，而先前妊娠有 PE 史、产妇年龄增加等则会延长该时间。
- PE 患者诊断至分娩时间的完整模型：在基线变量基础上加入 15 个实验室检测结果和生命体征构建完整模型，经特征减少后包含 12 个重要特征。该模型的交叉验证准确性显著高于基线模型，C 指数表现出色。新发现的重要特征包括天冬氨酸转氨酶（AST）值、舒张压（DBP）标准差等。
- EOPE 患者诊断至分娩时间的预测：针对 EOPE 患者，研究人员训练了两个特定的 Cox-nnet v2 模型（基线模型和完整模型）。虽然 EOPE 病例预后预测难度较大，但模型仍展现出一定的临床实用性。完整模型的准确性相比基线模型有显著提升，包含 13 个重要特征，如肌酐值、平均 DBP 等。
- PE 诊断至分娩时间预测器图形用户界面（GUI）：为了推广模型，研究人员将预训练的临床信息丰富的模型打包成一个交互式、用户友好的网络应用程序 “PE 诊断至分娩时间预测器”。该应用程序包含单患者预测面板和组预测面板，方便医护人员使用。
- 与先前产妇风险预测模型的比较：先前建立的产妇风险预测模型（如 fullPIERS）无法有效直接预测 PE 初次诊断时的诊断至分娩时间。研究人员通过对比发现，其 C 指数显著低于本研究提出的模型。
综合研究结果和讨论，这项研究具有重要意义。PEDeliveryTime 模型能够精准预测 PE 和 EOPE 患者的诊断至分娩时间，帮助临床医生在早期评估分娩紧迫性，合理分配繁忙的产前和新生儿重症监护病房床位等有限资源，还能让患者提前做好分娩准备。模型还确认了当前 PE 管理中的关键因素，并发现了新的重要预测因素。尽管研究存在一些局限性，如 ICD 编码系统滞后、回顾性研究可能受多种因素影响等，但总体而言，该研究为 PE 患者的临床管理提供了新的有力工具，为未来的前瞻性研究奠定了基础，有望推动围产医学领域的进一步发展。
