簡介
過早出生的嬰兒常常為生存而掙扎。 不過，醫生可以有一個很難講的早產兒是要發展嚴重的健康問題，如呼吸衰竭，以及哪些是會好起來的。如今，研究人員已經開發出一種模型，可以預測的精度大於90%，提前一個能夠幫助醫生確定嬰兒，症狀越嚴重節省數十億美元的醫療保健費用早產兒的結果。五十年前，醫生維吉尼亞州哥倫比亞大學開發的Apgar計分制進行評分新生兒的健康。 該Apgar評分，仍然是標準的方法，例如是否需要一個嬰兒的胳膊和腿彎曲或謊言的是，好或根本沒有呼吸，以及是否其皮膚是健康的，粉紅色或藍色的考慮因素。 當涉及到預測，如肺出血嚴重的疾病，然而，Apgar評分是對的只有約70%的時間。 新車型在白血細胞計數和血液pH值的因素做的更好，不過，“他們需要一個入侵測試很多，”佩恩說，安娜，在露西爾帕卡德兒童醫院（LPCH）在加利福尼亞州帕洛阿爾托，新生兒學。
研究人員
研究人員，其中包括賓夕法尼亞和合作達芙妮科勒資深作者，史丹福大學的計算機科學家，著手開發預測中的最小的新生兒嚴重的併發症而更準確的無創性的工具。 研究人員選取在LPCH誰用了不到35周的子宮和2公斤體重低於138出生的嬰兒。 該小組歸類為基礎的疾病，他們開發的高或低風險的早產兒。 在高危險群嬰兒死亡或出現嚴重的併發症，如感染，出血，肺和心臟問題。 在低風險組嬰兒只受輕微的呼吸窘迫，如輕微的疾病。
接下來，研究人員在例行檢查生理數據的前3由床邊監測，如心率，呼吸頻率，續航時間收集，並在血液中的氧氣量。 當他們仿照這些數據，他們觀察到的簽名生病的嬰兒是從他們的健康的觀察不同。 他們利用這些差異來制定一個數學算法含有從顯示器，出生體重，以及在子宮內的時間長度生理數據來預測的機率是早產兒會出現嚴重的疾病。 “這是非常簡單的措施，”佩恩說。 “但是，當結合使用來，從計算機科學複雜的工具，我們其實可以在某種程度上對這些意義上，醫生不正常。”
該模型的輸出是一個介於0和1，這為研究人員數“PhysiScore。” 分數越高表示併發症的危險更大。 例如，為0.8分嬰兒將有一場重病開發80%的機會。
PhysiScore跑贏不僅阿普加規模，而且三種模式，測試依賴於外來的實驗室，該小組 的報告 今天在網上 科學轉化醫學 。 使用PhysiScore，研究人員能夠預測98%，嚴重併發症及精確度為91%。 該Apgar評分的準確性為70%至74%，而其他型號的精度已經從82%至91%。
研究人員構想監視器可以計算並顯示一個嬰兒的出生後3 PhysiScore自動小時。 這一數字可能幫助醫生決定是否應該接受更積極的嬰兒護理或轉移到一個更好的裝備醫院。 “[該顯示器]已經測量所有這些信號，說：”Suchi Saria，在史丹福大學的計算機科學家誰領導的工作。 因此，這將是一種“利用現有資源，更好地利用這已經收集數據的使用，”她說。
“這是一個在該領域的巨大進步，”希金斯說，羅斯瑪麗，一個在兒童健康和人類發展研究所在馬里蘭州羅克維爾市新生兒學。 “預測結果的早產兒是一個醫生的主要挑戰。” 不過，她想看看模型最小的早產兒在票價，那些重量不足1公斤。 “這是在重大發展問題的最高危險群真的，”她說。
Namasivayam Ambalavanan，一個在阿拉巴馬州，伯明罕大學新生兒學表示，醫師通常利用自己的判斷來識別早產兒，將票價差。 他希望看到一份研究報告，對臨床判斷PhysiScore坑。
佩恩說，過去也可能創造PhysiScore工作，以確定高風險的手術病人或成年人最容易患心臟病併發症的相同的技術。
