Machine Learning Estimation of Gestational Age at Delivery Using Linked Mother-Infant Electronic Health Records Across Two Health Systems

Diese Studie zeigt, dass überwachte maschinelle Lernmodelle, die auf verknüpften elektronischen Gesundheitsakten von Müttern und Säuglingen trainiert wurden, das Gestationsalter bei der Entbindung über verschiedene Gesundheitssysteme hinweg präzise und generalisierbar schätzen können, wodurch ein robustes Rahmenwerk zur Unterstützung groß angelegter Forschung zur mütterlichen und neonatalen Gesundheit bereitgestellt wird.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen, genau zu erraten, wie lange eine Schwangerschaft gedauert hat, indem Sie nur die medizinische Akte eines Patienten betrachten. Manchmal fehlt in der Akte das spezifische Datum des errechneten Geburtstermins, oder die Notizen sind unleserlich und schwer zu entziffern. Dies ist ein großes Problem für Forscher, die untersuchen wollen, wie sich Medikamente auf Babys auswirken, denn wenn sie den Zeitpunkt falsch einschätzen, könnte die gesamte Studie fehlerhaft sein.

Diese Arbeit handelt vom Aufbau eines intelligenten digitalen Detektivs, der die Dauer einer Schwangerschaft (das Gestationsalter) ermitteln kann, selbst wenn die offizielle Dokumentation fehlt oder unklar ist.

Hier ist, wie die Forscher es getan haben, einfach erklärt:

1. Der Trainingsplatz: Zwei große Bibliotheken

Die Forscher haben sich nicht nur die Akten eines Krankenhauses angesehen; sie nutzten zwei riesige Bibliotheken medizinischer Aufzeichnungen:

• Vanderbilt University Medical Center (VUMC) in Nashville.
• University of Michigan (UMich) in Ann Arbor.

Stellen Sie sich diese als zwei verschiedene „Trainingsgyms" vor. Sie entnahmen Millionen von Mutter-Kind-Akten aus diesen Gyms, um ihrem Computerprogramm beizubringen, Muster zu erkennen.

2. Das Werkzeug des Detektivs: Welche Hinweise nutzte er?

Das Computerprogramm (ein maschinelles Lernmodell) hat nicht einfach geraten. Es suchte nach spezifischen Hinweisen in den Akten, ähnlich wie ein Detektiv, der ein Puzzle zusammensetzt. Sie testeten drei verschiedene „Werkzeugkästen", um zu sehen, welcher am besten funktionierte:

• Werkzeugkasten A (Nur die Mutter): Betrachtete nur die Vorgeschichte der Mutter (ihr Alter, ihre ethnische Herkunft, frühere Schwangerschaften).
• Werkzeugkasten B (Mutter + Krankenhausnotizen): Füge allgemeine Krankenhausdaten hinzu (wie ICD-Codes, die wie Kurzbezeichnungen für medizinische Zustände sind).
• Werkzeugkasten C (Das Komplettpaket): Füge auch die Daten des Babys hinzu! Dies umfasste das Geburtsgewicht des Babys, seinen „Apgar-Score" (eine schnelle Gesundheitsprüfung direkt nach der Geburt) und die eigenen medizinischen Kennzeichnungen des Babys.

Die Analogie: Stellen Sie sich vor, Sie versuchen zu erraten, wie lange ein Kuchen gebacken wurde.

• Werkzeugkasten A ist wie das Raten basierend nur auf der Erfahrung des Bäckers.
• Werkzeugkasten B ist wie das Ansehen der Rezeptkarte.
• Werkzeugkasten C ist das Ansehen des Bäckers, des Rezepts und der Größe sowie der Textur des fertigen Kuchens. Nicht überraschend war das Komplettpaket (Werkzeugkasten C) am genauesten.

3. Der „intelligente Schätzwert" versus der „Durchschnittsschätzwert"

Bevor sie ihre ausgefeilte KI einsetzten, versuchten die Forscher eine einfache Methode: einfach die durchschnittliche Schwangerschaftsdauer für alle zu raten.

• Das Ergebnis: Der einfache Durchschnitt lag oft völlig daneben, wie wenn man annähme, dass jeder Kuchen genau 45 Minuten braucht, unabhängig von der Größe.
• Das KI-Ergebnis: Die Modelle des maschinellen Lernens waren viel schärfer. Sie konnten die Schwangerschaftsdauer innerhalb von einer Woche des wahren Datums in etwa 85 % bis 93 % der Fälle vorhersagen. Innerhalb von zwei Wochen lagen sie in 94 % bis 98 % der Fälle richtig.

4. Der „Stadt-übergreifende" Test

Um sicherzustellen, dass ihr Detektiv nicht nur die Bibliothek in Nashville auswendig gelernt hatte, sandten sie dieselben Regeln an die Bibliothek in Michigan.

• Das Ergebnis: Es funktionierte genauso gut und schnitt in Michigan sogar noch besser ab. Dies beweist, dass der „Detektiv" kein lokaler Experte ist, sondern ein Generalist, der in verschiedenen Krankenhäusern arbeiten kann.

5. Wo der Detektiv strauchelt

Die Arbeit ist ehrlich darüber, wo das System noch nicht perfekt ist:

• Frühgeborene: Das System ist hervorragend darin, die Dauer von Schwangerschaften am Ende des Termins (Babys, die zum „richtigen" Zeitpunkt geboren wurden) zu erraten. Allerdings hat es etwas mehr Schwierigkeiten mit Babys, die sehr früh geboren wurden (Frühgeborene). Es ist, als wäre der Detektiv gut darin, Standardfälle zu lösen, aber verwirrt von seltenen, komplexen Mysterien.
• Ältere Daten: Das System arbeitete besser mit Aufzeichnungen aus jüngeren Jahren. Dies könnte daran liegen, dass ältere Aufzeichnungen (aus der Zeit vor 2015) verschiedene Codierungssysteme verwendeten oder weniger präzise Ultraschalltechnologien hatten, was die Hinweise schwerer lesbar machte.

Das Fazit

Die Arbeit kommt zu dem Schluss, dass wir nun einen zuverlässigen, portablen „Rechner" haben, der die fehlenden Schwangerschaftsdaten in medizinischen Aufzeichnungen ergänzen kann. Durch die Nutzung einer Mischung aus der Vorgeschichte der Mutter, Krankenhausnotizen und Details des Babys kann dieses Werkzeug Forschern helfen, die Sicherheit von Schwangerschaften mit viel größerer Genauigkeit zu untersuchen als zuvor.

Wichtiger Hinweis: Die Autoren stellen ausdrücklich fest, dass dies ein Werkzeug für die Forschung ist, um fehlende Daten in Studien zu korrigieren. Sie behaupten nicht, dass dieses Werkzeug derzeit von Ärzten für sofortige klinische Entscheidungen bei einzelnen Patienten im Krankenhaussetting verwendet werden sollte. Es ist eine Möglichkeit, die Daten zu bereinigen, damit Wissenschaftler mehr über die Gesundheit von Müttern und Babys lernen können.

Technische Zusammenfassung

Technisches Fazit: Schätzung des Gestationsalters bei der Entbindung mittels maschinellem Lernen unter Verwendung verknüpfter elektronischer Mutter-Kind-Gesundheitsakten

Problemstellung
Eine genaue Schätzung des Gestationsalters (GA) ist für die Forschung zur Gesundheit von Schwangerschaft und Nachkommen von entscheidender Bedeutung, insbesondere in pharmakoepidemiologischen Studien, bei denen die Definition von Expositionszeitfenstern und der fetalen Anfälligkeit von einer präzisen Datierung der Schwangerschaft abhängt. Elektronische Gesundheitsakten (EHR) und administrative Abrechnungsdatenbanken leiden jedoch häufig unter fehlenden, unvollständigen oder fehlerhaften GA-Daten aufgrund von Eingabefehlern durch Leistungserbringer, fehlender Ultraschall-Dokumentation oder Einschränkungen der Systeminfrastruktur. Diese Ungenauigkeiten können zu einer Fehlklassifikation von Arzneimittel-Expositionen führen, was Verzerrungen einführt und die Validität von Studien untergräbt. Während sich frühere Forschungen auf die Schätzung des GA unter Verwendung administrativer Abrechnungsdaten konzentrierten, besteht ein Bedarf, die reichhaltigeren, verknüpften Mutter-Kind-Daten, die in EHR-Systemen verfügbar sind, zu nutzen, um die Schätzgenauigkeit und die Generalisierbarkeit über verschiedene Gesundheitseinrichtungen hinweg zu verbessern.

Methodik
Diese retrospektive Kohortenstudie entwickelte und validierte überwachte maschinelle Lernalgorithmen zur Schätzung des GA zum Zeitpunkt der Entbindung unter Verwendung verknüpfter Mutter-Kind-EHR-Daten aus zwei akademischen Gesundheitssystemen: Vanderbilt University Medical Center (VUMC, 2005–2025) und der University of Michigan (UMich, 2012–2024).

• Datenquellen und Kohorte: Die Studie nutzte die Research Derivative am VUMC und die UMich-EHR-Datenbank. Die ursprünglichen Kohorten umfassten 91.471 (VUMC) bzw. 55.733 (UMich) Mutter-Kind-Paare. Nach Anwendung der Ausschlusskriterien (Beibehaltung eines Kindes pro Mutter, Ausschluss von nicht lebend geborenen Kindern und Anforderung einer angemessenen vorgeburtlichen Betreuung) bestanden die finalen analytischen Kohorten aus 54.344 Paaren am VUMC und 34.345 an der UMich.
• Referenzstandard: Klinische GA-Schätzungen (CGA), die in den mütterlichen Akten zum Zeitpunkt der Entbindung dokumentiert wurden, dienten als Ground Truth. Diese Textmuster (z. B. „39 Wochen 2/7") wurden in numerische Tage umgewandelt.
• Prädiktorvariablen: Merkmale wurden aus drei Quellen abgeleitet:
  1. Mütterliche Akten: Demografische Daten (Alter, Rasse/Ethnizität), ICD-Codes für Frühgeburt, Terminierung und Posttermgeburt, fetale Wachstumsrestriktion und übermäßiges fetales Wachstum.
  2. EHR-Systemdaten: Standardisierte Encounter-Informationen und ICD-Code-Häufigkeiten (kodiert als distincte Tage oder Besuche).
  3. Kind-Akten: Geburtsgewicht, 1-Minuten- und 5-Minuten-Apgar-Werte sowie kind-spezifische ICD-Codes (Frühgeburt, SGA, LGA).
     Fehlende Werte für Geburtsgewicht und Apgar-Werte wurden mittels Medians imputiert.
• Modellkonfigurationen: Um die Leistung in verschiedenen Datenumgebungen zu bewerten, wurden drei Konfigurationen getestet:
  • C1 (Mütterlich): Nur mütterliche Prädiktoren.
  • C2 (Mütterlich + EHR): Mütterlich + Standard-EHR-Merkmale.
  • C3 (Mütterlich + EHR + Pädiatrisch): Alle verfügbaren Prädiktoren, einschließlich Kind-Akten (repräsentiert verknüpfte Datenumgebungen).
• Algorithmen: Random Forest (RF), Gradient Boosting (GB) und ein Ensemble-Modell (Durchschnitt der RF- und GB-Vorhersagen) wurden trainiert. Hyperparameter wurden mittels 5-facher Kreuzvalidierung optimiert. Zur Bewältigung der links-schiefen Verteilung des CGA wurde eine Quantilstransformation angewendet.
• Evaluation: Die Leistung wurde auf zurückgehaltenen Testsets anhand des Anteils der Vorhersagen innerhalb von ±1 Woche und ±2 Wochen des Referenzstandards sowie des mittleren absoluten Fehlers (MAE) bewertet. Bootstrapping (1.000 Resamples) wurde zur Berechnung von 95%-Konfidenzintervallen verwendet.

Hauptergebnisse

• Gesamtleistung: Das Ensemble-Modell erzielte die höchste Genauigkeit. Auf dem VUMC-Testset sagte es das GA bei 85,2 % der Schwangerschaften innerhalb von ±1 Woche und bei 94,3 % innerhalb von ±2 Wochen voraus, mit einem MAE von 4,4 Tagen. Auf dem UMich-Testset verbesserte sich die Leistung auf 93,1 % (±1 Woche) und 97,8 % (±2 Wochen) mit einem MAE von 2,8 Tagen.
• Vergleich mit Baselines: Maschinelle Lernmodelle schnitten deutlich besser ab als einfache Mittelwert- und Median-Baselines. Beispielsweise verbesserten die ML-Modelle auf dem VUMC-Testset den MAE um 6,8 bis 7,9 Tage im Vergleich zur Mittelwert-Baseline (12,3 Tage).
• Einfluss der Prädiktoren: Die Leistung verbesserte sich konsistent, je mehr Datenquellen hinzugefügt wurden (C1 < C2 < C3). Die Einbeziehung kind-spezifischer Daten (Geburtsgewicht, Apgar, pädiatrische ICD-Codes) brachte den signifikantesten Genauigkeitsgewinn.
• Zeitliche und stratifizierte Analyse:
  • ICD-Übergang: Die Modelle schnitten für Schwangerschaften, die am oder nach dem 1. Oktober 2015 entbunden wurden (ICD-10-CM-Ära), besser ab als für die ICD-9-CM-Ära.
  • Entbindungsstatus: Die Modelle schnitten bei termingerechten und spät-termgerechten Entbindungen am besten ab. Die Leistung war bei Frühgeburten deutlich niedriger.
  • Generalisierbarkeit: Die Modelle, die auf VUMC-Daten trainiert und auf UMich-Daten repliziert wurden, zeigten eine starke Portabilität, wobei die UMich-Replikation eine noch höhere Übereinstimmung mit dem Referenzstandard aufwies.

Bedeutung und Behauptungen
Die Autoren behaupten, dass diese Studie ein robustes und generalisierbares maschinelles Lern-Framework zur Schätzung des Gestationsalters bei der Entbindung unter Verwendung verknüpfter Mutter-Kind-EHRs vorstellt. Die primäre Bedeutung liegt in:

1. Nutzung verknüpfter Daten: Der Nachweis, dass die Kombination mütterlicher und kindlicher Akten (C3-Konfiguration) Modelle, die sich ausschließlich auf mütterliche oder administrative Daten verlassen, signifikant übertrifft.
2. Portabilität und Reproduzierbarkeit: Die erfolgreiche Replikation der Modellierungspipeline über zwei verschiedene Gesundheitssysteme mit unterschiedlichen Datenhistorien und Patientendemografien hinweg, was darauf hindeutet, dass die erlernten Assoziationen breit generalisierbar und nicht standortspezifisch sind.
3. Nutzen für die Forschung: Bereitstellung eines zuverlässigen Tools zur Imputation von GA in groß angelegten klinischen Realwelt-Studien, bei denen GA-Daten fehlen oder ungültig sind, wodurch Verzerrungen in der pharmakoepidemiologischen und perinatalen Forschung reduziert werden.

Der Artikel räumt mit Einschränkungen ein, darunter eine suboptimale Leistung bei Frühgeburten und den Ausschluss von nicht lebend geborenen Schwangerschaftsausgängen (Totgeburt, Schwangerschaftsabbruch) aus dem aktuellen Modellumfang. Die Autoren betonen, dass das Framework zwar robust ist, aber zukünftige Arbeiten erforderlich sind, um Leistungslücken bei der Frühgeburten-Schätzung zu adressieren und potenzielle Verzerrungen hinsichtlich gesundheitlicher Ungleichheiten zu bewerten.