Zeitschrift für Tropenkrankheiten und öffentliche Gesundheit

Abstrakt

Vorhersage der Entbindungsart bei Schwangeren im ersten Trimester mithilfe von Deep-Learning-Techniken

Arthi R

Der WHO zufolge starben im Jahr 2017 täglich 810 Frauen an vermeidbaren Problemen im Zusammenhang mit Geburt und Schwangerschaft. Diese Zahl ist seit dem Jahr 2000 zwar rückläufig, doch die immer noch bei der Geburt auftretenden Todesfälle von Frauen werden häufig mit Kaiserschnitten in Verbindung gebracht. Studien haben gezeigt, dass bei Frauen mit Kaiserschnitt ein höheres Risiko für einen postpartalen Herzstillstand, eine Hysterektomie, Wundhämatom, venöse Thromboembolien, Narkosekomplikationen, schwere Wochenbettinfektionen usw. besteht als bei Frauen mit einer vaginalen Geburt. Ein Notfallkaiserschnitt ist sogar schlimmer als ein geplanter Kaiserschnitt. Um die Müttersterblichkeitsrate weiter zu senken und Kaiserschnitte zu reduzieren, zielt diese Studie darauf ab, Deep-Learning-Techniken anzuwenden, um die Art der Geburt möglichst früh vorherzusagen, damit frühzeitig Maßnahmen ergriffen werden können, um eine vaginale Geburt auszulösen. Einige der Parameter, die zum Trainieren des Modells verwendet wurden, sind Alter, Rauch- oder Trinkgewohnheiten, Schwangerschaftsdiabetes, Parität, Gravidität usw. Dieses überwachte maschinelle Lernmodell, das vorhersagt, ob eine Frau einen vaginalen oder einen Kaiserschnitt haben wird, würde dazu beitragen, die Müttersterblichkeitsrate aufgrund von Kaiserschnitten zu senken. Indem es einen Kaiserschnitt frühzeitig vorhersagt und dem Geburtshelfer den Weg ebnet, ihn in eine vaginale Geburt umzuwandeln, zielt dieses Modell auch darauf ab, die durch Kaiserschnitte verursachten physischen, psychischen und wirtschaftlichen Belastungen zu verringern.