AIDA(Artificial INTELLIGENCE DYSTOCIA ALGORITHM) 분석을 통한 전달 결과 (AIDA)

분만 중에 극복해야 할 가장 어려운 과정 중 하나는 산도 내에서 결합 및 진행 중에 태아 머리의 위치를 ​​잡는 것입니다. 이러한 위치 이상 및 회전 이상은 난산 진통 및 진행 정지의 일반적인 원인이기도 하며, 이는 수술적 전달이 필요합니다. 전통적으로 질 디지털 검사는 태아의 머리 위치와 맞물림을 평가하는 데 사용됩니다. 태아 참여 및 진행 정도는 골반의 다양한 평면에 의해 묘사되며 값 범위는 -5(좌골 가시 위 5cm)에서 +5(좌골 척추 아래 5cm, 입구에서 태아 머리가 보입니다)입니다. . 두개골의 앞부분이 좌골극면에 닿으면 머리가 맞물린 것으로 간주됩니다. 이것을 스테이션 0이라고 합니다. 더욱이 두정골이 특징적인 경우 비동기화가 확인됩니다. 앞쪽 두정골이 나타나면 그 상태는 전방 비동기증으로 식별됩니다. 후방 두정골이 나타나면 그 상태는 후방 비동기증으로 설명됩니다. 그러나 산도에서 태아 머리의 약간 "기울어진" 자세는 분만 전반에 걸쳐 산모의 골반에 대한 태아 머리의 생리적 조정의 결과입니다. 심각한 비동기화를 특징으로 하는 산도 내 태아 머리의 위치 이상 및 회전 이상은 외과적 분만이 필요한 난산을 초래할 수 있습니다. 15%의 사람들은 비동기증을 가지고 있으며, 전방 비동기증이 후방 비동기증보다 더 흔합니다. 태아 참여 및 진행 정도에 대한 전통적인 분류는 부정확하고 재현성이 낮다는 비판을 받아 왔습니다. 더욱이, 도구 전달 실패는 최대 10%에 달할 수 있습니다. 태아 머리 위치 진단의 오류는 산혈증, 태아 외상, 두개내 출혈, 실패한 수술 질 분만에 대한 응급 제왕절개 후 낮은 아프가 점수 등 분만 중 주요 결과와 부정적인 주산기 결과를 초래할 수 있습니다. 많은 연구자들은 산도에서 태아 머리의 맞물림, 하강 및 내부 회전을 평가하기 위해 진통 및 분만 중에 수집된 많은 초음파 매개변수를 제안했습니다. 따라서 우리는 분만 중 모든 여성을 대상으로 측정하고 AIDA(인공 지능 난산 알고리즘)라는 인공 지능 및 기계 학습 알고리즘을 통해 측정되도록 기록된 분만 중 초음파 매개변수를 사용했습니다. 의사의 판단을 우선으로 하는 AI(인공지능) 알고리즘과 설명 가능한 인공지능(XAI)을 활용하는 것이다. AIDA는 5개 클래스로 구성되었습니다. 여러 가지 "기하학적 매개변수"를 수집한 후 AIDA 분석에서 얻은 데이터를 빨간색, 노란색 또는 녹색 영역에 입력하여 작업 진행 분석과 연결했습니다. AIDA 분석을 사용하여 우리는 분만 중인 환자에 대해 각각 특정 종류의 출산 결과를 보이는 5가지 참조 클래스를 식별할 수 있었습니다. 5개 클래스 중 2개 클래스에서 100% 제왕절개 출산 예측이 이루어졌습니다. 특정 의사결정 알고리즘에서 특정 산과 매개변수의 평가를 통해 인공지능을 사용하면 의사는 알고리즘 결과를 어떻게 설명할 수 있는지 체계적으로 이해할 수 있습니다. 이 접근 방식은 자연 분만, VD(질식 분만) 시도 여부 또는 ICD(분만 중 제왕 절개)가 선호되거나 필요한지 여부를 포함하여 분만 진행을 평가하고 분만 결과를 예측하는 데 유용할 수 있습니다. 이 조사에서 우리는 난산 및 자연산의 모든 가능한 합병증과 문제를 강조하기 위해 분만 중 초음파를 사용하여 측정된 일부 기하학적 매개 변수의 의미를 비판적인 시각으로 평가하려고 노력할 것입니다. 임신 중이거나 분만 중인 여성.

현재 인공지능 난산 알고리즘(AIDA)은 분만 간 관리에 인공지능을 적용하는 데 있어 상당한 발전을 보여줍니다. AIDA 1과 AIDA 2라는 두 가지 주요 연구를 통해 개발된 이 혁신적인 접근 방식은 분만 중 초음파 검사를 통해 측정된 여러 기하학적 매개 변수를 기계 학습 기술 및 알고리즘과 결합 및 통합하여 분만 진행 상황을 평가하고 분만 결과를 예측합니다. 알고리즘 선택, 성능 평가 방법론 및 사용된 측정 기준은 AIDA 1 및 AIDA 2에 대한 각 간행물에 꼼꼼하게 설명되어 있습니다. 이 중요한 논문은 사용된 기계 학습 기술, 선택을 뒷받침하는 근거 및 엄격한 기준에 대한 포괄적인 설명을 제공합니다. 노동 결과 예측에 대한 효율성을 평가하기 위해 적용되는 성과 지표. 얻은 높은 값은 다양한 전달 결과를 구별하기 위해 선택된 알고리즘의 강력한 식별 능력을 보여주며 산과 의사 결정에서 AIDA 접근 방식의 잠재적인 임상적 유용성을 강조합니다.

AIDA 방법론 데이터 샘플에는 2단계 방법론이 적용되었습니다. 초기 단계인 상관 분석에서는 Pearson의 상관 계수를 사용하여 4개의 기하학적 매개 변수가 무시할 수 있거나 통계적으로 유의하지 않은 상관 관계를 나타냄을 확인하고 각 매개 변수가 노동 진행에 관한 고유한 정보를 제공하도록 보장했습니다. 후속 단계인 기계 학습 알고리즘 선택에는 의사가 결정한 전달 결과와 함께 4가지 기하학적 매개변수에 다양한 감독 기계 학습 알고리즘을 적용하는 작업이 포함되었습니다. 가장 효과적인 모델을 식별하기 위해 각 알고리즘의 예측 성능을 정량화했습니다.

AIDA 분류 시스템 분류 시스템은 분만 중 제왕절개(ICD) 및 비 ICD 결과와 관련된 각 기하학적 매개변수에 대한 컷오프 값 식별을 기반으로 합니다. 이러한 컷오프를 설정하기 위해 의사결정 트리 알고리즘이 활용되었습니다. 각 매개변수에 대해 비ICD 결과와 밀접하게 연관된 값은 "녹색"으로 지정되었고, ICD와 높은 상관관계가 있는 값은 "빨간색"으로 분류되었습니다. 샘플에서 불확실성의 중간 범위가 밝혀졌으므로 "노란색" 지정이 적용되었습니다.

모든 출산에 대한 4가지 기하학적 매개변수의 각 개별 값에 색상을 할당한 AIDA 분류 시스템은 각 노동 이벤트를 5가지 개별 클래스 중 하나로 분류하는 구조화된 접근 방식을 사용합니다. 기하학적 매개변수를 색상으로 구분한 계층화를 통해 노동 진행 상황을 세밀하게 평가할 수 있어 각 사례를 더욱 세부적으로 분류할 수 있습니다. AIDA 클래스 0은 4가지 매개변수가 모두 녹색 영역 내에 있음을 나타내며 이는 ICD가 아닌 결과가 발생할 가능성이 높다는 것을 나타냅니다. AIDA 클래스 1은 하나의 매개변수가 빨간색 또는 노란색 영역에 있고 세 개가 녹색 영역에 있음을 나타냅니다. AIDA 클래스 2는 두 개의 매개변수가 빨간색 또는 노란색 영역에 있고 두 개가 녹색 영역에 있음을 나타냅니다. AIDA 클래스 3은 세 개의 매개변수가 빨간색 또는 노란색 영역에 있고 하나가 녹색 영역에 있음을 나타냅니다. AIDA 클래스 4는 4가지 매개변수가 모두 빨간색 또는 노란색 영역 내에 있음을 나타내며, 이는 ICD 가능성이 높다는 것을 의미합니다.

AIDA의 예측 성능 3가지 최고 성능 알고리즘에서 얻은 전달 예측을 AIDA 분류 시스템과 통합하여 크게 향상된 결과를 얻었습니다. 특히 두드러진 발견은 특히 AIDA 클래스 0과 4에서 전달 결과에 대한 알고리즘의 높은 예측 정확도였습니다. AIDA 클래스 0에서는 모든 기하학적 매개변수가 녹색 영역 내에 있는 것을 특징으로 하며 비 ICD 결과에 대한 일관된 예측은 잠재적인 유용성을 시사합니다. 개입이 안전하게 연기될 수 있는 사례를 식별합니다. 반대로, AIDA 클래스 4 사례에서 ICD의 정확한 예측은 제왕절개에 대한 의사 결정을 가속화할 수 있으며, 장기간의 비생산적인 분만 기간을 완화하여 산모와 태아의 결과를 최적화할 수 있습니다. 마지막 방법론적 단계에서는 관련 AIDA 클래스를 고려하여 4가지 기하학적 매개변수 값을 기반으로 전달 결과를 예측하기 위한 가장 효과적인 기계 학습 알고리즘을 사용하는 것이 수반됩니다. 이 접근 방식을 통해 임상의는 예측의 임상적 신뢰성을 평가할 수 있습니다.

특히 AIDA 분류 스펙트럼의 극단에서 놀라운 예측 정확도는 노동 관리에서 임상 의사 결정을 향상시키는 이 알고리즘 접근 방식의 잠재력을 강조합니다.

난산 진통 관리에서 AIDA의 잠재적 이점 난산이라고도 알려진 난산 진통은 힘들거나 방해받는 진통으로 광범위하게 정의되며, 비정상적으로 느린 진행을 특징으로 하는 어려운 진통의 형태로 정상적인 진통 및 분만 진행을 방해하는 다양한 조건을 포함합니다.

이 상태는 비효율적인 자궁 수축, 비정상적인 태아 태위 또는 정상적인 출산 과정을 방해하는 기타 합병증으로 인해 발생할 수 있습니다. 난산은 강력한 자궁 수축에도 불구하고 종종 골반 가장자리에서 발생하는 극복할 수 없는 장벽으로 인해 태아가 산도를 통해 하강할 수 없는 분만 장애로 이어질 수 있습니다.

산부인과에서는 여러 유형의 난산이 인식되고 있으며 각각의 특징과 관리에 대한 의미가 있으며, 분류는 의학 문헌이나 임상적 접근 방식에 따라 약간씩 다를 수 있습니다: 기하학적 난산, 기계적 난산, 동적 난산, 태아 난산, 자궁 난산, 기능성 난산, 연조직 난산, 복합발현, 산모 탈진 난산, 분만 난산.

AIDA는 진행 각도, 비동기 정도, 머리-기합 거리, 정중선 각도 등 4가지 기하학적 매개변수를 동시에 측정하여 태아와 산모 골반 사이의 공간적 관계에 대한 포괄적인 시각을 제공하고 태아의 골반 상태에 대한 객관적인 평가를 제공합니다. 태아 자세이며 의학 문헌에 기록된 다양한 유형의 난산을 직접 또는 간접적으로 평가하기 위한 포괄적인 도구로서의 잠재력을 가지고 있습니다.

이 접근 방식은 기존 평가 방법에서는 놓칠 수 있는 노동 진행 상황 또는 노동 방해에 대한 보다 자세하고 정확한 그림을 제공합니다. AIDA는 비동기화 정도와 같은 매개변수를 정량화함으로써 난산으로 이어질 수 있는 태아 기형을 조기에 감지할 수 있습니다.

AIDA 분류 시스템은 위험 평가에 대한 미묘한 접근 방식을 제공하여 임상의가 관리 전략을 맞춤화하는 데 도움을 줍니다.