AIDA（人工智能难产算法）分析的分娩结果 (AIDA)

分娩过程中最难克服的过程之一是胎头在产道中接合和前进时的定位。 这些位置不正和旋转不良也是难产和进展停滞的常见原因，因此需要进行手术分娩。 传统上，阴道指检用于评估胎头位置和接合。 胎儿接合和进展的程度由骨盆的不同平面描绘，其值范围从 -5（坐骨棘上方 5 厘米）到 +5（坐骨棘下方 5 厘米，胎儿头部在阴道口可见） 。 当头骨的前端接触坐骨棘平面时，就认为头部处于接合状态；这称为站 0。 此外，当顶骨是表现特征时，就可以识别出异步性。 当前顶骨出现时，该病症被确定为前不向斜；当后顶骨出现时，这种情况被描述为后不向斜。 然而，胎儿头部在产道中的轻微“倾斜”姿势是胎儿头部在整个分娩过程中对母亲骨盆进行生理调整的结果。 胎头在产道中的位置不正和旋转不良，其特征是明显的异位性，可能会导致难产，需要进行手术分娩。 15% 的人患有不同步，前部不同步比后部不同步更常见。 胎儿参与程度和进展程度的传统分类被批评为不准确且可重复性差。 此外，器械输送的失败率可能高达10%。 胎头站诊断错误可能会对分娩过程和不良围产期结局产生重大影响，例如酸血症、胎儿创伤、颅内出血以及因手术阴道分娩失败而进行紧急剖宫产后阿普加评分较低。 许多研究人员提出了许多在临产和分娩过程中收集的超声参数，以评估胎头在产道中的接合、下降和内旋。 因此，我们使用了产时超声参数，在分娩过程中对所有女性进行测量，并记录下来，通过人工智能和机器学习算法进行测量，称为 AIDA（人工智能难产算法），该算法采用了人机交互方法，就是，使用优先考虑医生决策的 AI（人工智能）算法和可解释的人工智能（XAI）。 AIDA 分为五个等级。 在收集了一些“几何参数”后，AIDA分析获得的数据被输入到红色、黄色或绿色区域，与临产进度的分析相关联。 使用 AIDA 分析，我们能够确定临产患者的五个参考类别，每个参考类别都有特定的出生结果。 这五个类别中的两个类别做出了 100% 剖腹产预测。 人工智能的使用，通过在特定决策算法中评估某些产科参数，使医生能够系统地了解如何解释算法的结果。 这种方法可用于评估产程进展和预测产程结果，包括自然产程、是否应尝试手术 VD（阴道分娩），或者 ICD（产时剖腹产）是否更可取或必要。 在这项研究中，我们将以批判的眼光寻求评估使用产时超声测量的一些几何参数的影响，试图突出难产和顺产分娩的所有可能的并发症和问题，并评估大量的怀孕和分娩期间的妇女。

目前，人工智能难产算法（AIDA）代表了人工智能在产时护理中应用的重大进步。 这种创新方法是通过两项关键研究 AIDA 1 和 AIDA 2 开发出来的，它将通过产时超声检查测量的多个几何参数与机器学习技术和算法相结合和集成，以评估分娩进度并预测分娩结果。 AIDA 1 和 AIDA 2 各自的出版物中详细描述了算法的选择、性能评估方法以及所采用的指标。​​这些开创性的论文全面阐明了所使用的机器学习技术、支持其选择的基本原理以及严格的标准。用于评估其预测分娩结果的功效的绩效指标。 获得的高值证明了所选择的算法在区分不同分娩结果方面具有强大的判别能力，强调了 AIDA 方法在产科决策中的潜在临床效用。

AIDA 方法 对数据样本应用了两步方法。 第一步，相关性分析，采用皮尔逊相关系数来确定四个几何参数表现出可忽略不计或统计上不显着的相关性，确保每个参数提供有关产程进展的独特信息。 下一步是机器学习算法选择，涉及将不同的监督机器学习算法结合医生确定的分娩结果应用于四个几何参数。 每种算法的预测性能都经过量化，以确定最有效的模型。

AIDA 分类系统 该分类系统基于与产时剖宫产 (ICD) 和非 ICD 结果相关的每个几何参数的截止值的识别。 利用决策树算法来建立这些截止值：对于每个参数，与非 ICD 结果密切相关的值被指定为“绿色”，与 ICD 高度相关的值被归类为“红色”，并且在数据样品显示出中间范围的不确定性，因此应用“黄色”名称。

AIDA 分类系统为每次分娩的四个几何参数的每个单独值分配了颜色，并采用结构化方法将每个分娩事件分为五个不同类别之一。 这种几何参数的颜色编码分层有助于对产程进展进行细致入微的评估，从而对每个病例​​进行更精细的分类。 AIDA 0 级表示所有四个参数都在绿色区域内，表明非 ICD 结果的可能性很高。 AIDA 1 类表示一个参数位于红色或黄色区域，三个参数位于绿色区域。 AIDA 2 类表示两个参数位于红色或黄色区域，两个参数位于绿色区域。 AIDA 3 类代表三个参数处于红色或黄色区域，一个参数处于绿色区域。 AIDA 4 级表示所有四个参数均位于红色或黄色区域内，表明 ICD 的可能性较高。

AIDA 的预测性能 将三种性能最佳的算法获得的递送预测与 AIDA 分类系统相集成，产生了显着改进的结果。 一个特别突出的发现是该算法对分娩结果的高预测准确性，特别是在 AIDA 0 类和 4 类中。在 AIDA 0 类中，其特征是所有几何参数都在绿色区域内，对非 ICD 结果的一致预测表明了其潜在效用确定可以安全推迟干预的情况。 相反，在 AIDA 4 级病例中准确预测 ICD 可以加快剖宫产决策，通过减少长时间、非生产性分娩的持续时间，有可能优化母婴结局。 最后的方法步骤需要采用最有效的机器学习算法，基于四个几何参数值并考虑相关 AIDA 类来预测交付结果。 这种方法使临床医生能够评估预测的临床可靠性。

显着的预测准确性，特别是在 AIDA 分类谱的极端情况下，强调了这种算法方法在增强劳动力管理中的临床决策方面的潜力。

AIDA 在难产管理中的潜在优势 难产，也称为难产，广义上定义为难产或难产，包括一系列阻碍产程和分娩正常进展的情况，是一种以进展异常缓慢为特征的难产形式。

这种情况可能是由于子宫收缩效率低下、胎儿先露异常或其他阻碍正常分娩过程的并发症而引起的。 难产可导致难产，尽管子宫收缩强烈，但由于难以克服的障碍（通常发生在骨盆边缘），胎儿无法通过产道下降。

产科已认识到几种类型的难产，每种类型都有其特征和治疗意义，并且分类可能根据医学文献或临床方法略有不同：几何难产、机械难产、动态难产、胎儿难产、子宫难产、功能性难产、软组织难产、复合分娩、产妇疲惫难产和分娩难产。

AIDA通过同时测量四个几何参数——行进角度、异位度、头联合距离和中线角，全面了解胎儿与母体骨盆之间的空间关系，客观评估胎儿与母体骨盆之间的空间关系。胎儿位置，并具有作为直接或间接评估医学文献中记录的各种类型难产的综合工具的潜力。

这种方法可以更详细、准确地描述产程或产程梗阻的进展情况，而传统的评估方法可能会忽略这一点。 通过量化异位程度等参数，AIDA 可以更早地检测到可能导致难产的胎儿胎位不正。

AIDA 分类系统提供了一种细致入微的风险评估方法，帮助临床医生制定管理策略。