基于人工智能的心电图龄：用于预测未来不良妊娠结局的数字生物标志物
信号处理
2025-09-19 v1 机器学习
摘要
心电图 (CTG) 是一种低成本、无创的全球广泛用于胎儿健康评估的技术，尤其在发展中国家应用广泛。然而，CTG 目前主要用于识别胎儿的当前状态（例如胎儿酸中毒或缺氧），其预测未来不良妊娠结局的潜力尚未得到充分探索。我们旨在开发基于人工智能的模型，从 CTG 时间序列中预测生物学年龄（命名为 CTGage），然后计算 CTGage 与实际年龄之间的年龄差（命名为 CTGage-gap），将该差距用作预测未来不良妊娠结局的数字生物标志物。CTGage 模型使用 2018 年至 2022 年收集于北京大学人民医院的 61,140 条记录和 11,385 名孕妇构建。对于模型训练，我们使用结构化设计的 1D 卷积神经网络，包含分布对齐增强回归技术。CTGage-gap 按五个组进行分类：< -21 天（低估组）、-21 到 -7 天、-7 到 7 天（正常组）、7 到 21 天和> 21 天（高估组）。我们进一步将低估组和高估组合并为高风险组。随后我们比较了各组中不良结局和母体疾病的发生率。CTGage 模型的平均绝对误差为 10.91 天。将高估组与正常组进行比较时，早产儿发生率为 5.33% vs. 1.42%（p < 0.05），妊娠糖尿病 (GDM) 发生率为 31.93% vs. 20.86%（p < 0.05）。将低估组与正常组进行比较时，低体重发生率为 0.17% vs. 0.15%（p < 0.05），贫血发生率为 37.51% vs. 34.74%（p < 0.05）。基于人工智能的 CTGage 可预测不良妊娠结局的未来风险，潜力作为一种新型、非侵入性且易于获取的数字生物标志物。
引用
@article{arxiv.2509.14242,
title = {Artificial Intelligence-derived Cardiotocography Age as a Digital Biomarker for Predicting Future Adverse Pregnancy Outcomes},
author = {Jinshuai Gu and Zenghui Lin and Jingying Ma and Jingyu Wang and Linyan Zhang and Rui Bai and Zelin Tu and Youyou Jiang and Donglin Xie and Yuxi Zhou and Guoli Liu and Shenda Hong},
journal= {arXiv preprint arXiv:2509.14242},
year = {2025}
}