Phylogenetic harmonization of cross-cohort vaginal microbiome data for machine-learning prediction of preterm birth
Questo studio dimostra che l'integrazione di una coorte coreana monocentrica con un ampio dataset pubblico tramite armonizzazione filogenetica migliora significativamente i modelli di machine learning per la previsione del parto prematuro, raggiungendo un AUC di 0,81 con CatBoost e migliorando ulteriormente le prestazioni a 0,83 incorporando le caratteristiche inferite della lunghezza cervicale breve.