10 月 12 日消息，本月發表的最新論文中，上海交通大學李金金教授領導的研究團隊開發了可解釋 AI 算法，搭建流產風險預警平臺，通過分析血清代謝物，首次實現在懷孕前精準預測流產風險。
項目團隊簡介
該項目團隊由上海交通大學李金金教授領導，攜手上海市紅房子婦產科醫院金莉萍副院長，同濟大學附屬第一婦嬰醫院、上海交通大學醫學院附屬瑞金醫院共同參與開發。
論文標題為《Interpretable learning predicts miscarriage using pre-pregnancy serum metabolites》，于 10 月發表在《The Innovation Medicine》期刊上。
項目背景
流產，尤其是反復自然流產（Recurrent Spontaneous Miscarriage，簡稱 RSM），是指女性在懷孕初期連續兩次及以上的自然終止妊娠。根據世界衛生組織統計，全球每年約有 2300 萬例流產事件發生，其中不乏 RSM 病例。
盡管目前臨床已有諸如超聲波檢查和人絨毛膜促性腺激素（hCG）檢測等多種監測手段，但這些方法多用于事后診斷，難以提前預警流產風險。
項目介紹
研究團隊通過分析 481 位女性的血清樣本，并結合其他相關臨床指標，成功構建出一種高精度的流產風險預測模型 AI-MP（Artificial Intelligence Miscarriage Prediction）。
該研究首次揭示了組氨酸（Histidine）作為流產風險預測的關鍵生物標志物之一的重要性。組氨酸水平的異常升高被認為與流產風險緊密相關，尤其是在反復自然流產患者中，高水平的組氨酸可能導致孕期子宮螺旋動脈重塑不足及滋養層細胞侵襲受阻等問題，進而增加流產幾率。
【來源：IT之家】
