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

Deze studie toont aan dat toezichtgeleerde machinelearningmodellen die zijn getraind op gekoppelde elektronische gezondheidsdossiers van moeder en kind, de zwangerschapsduur bij de bevalling nauwkeurig en generaliseerbaar kunnen schatten in verschillende zorgsystemen, waardoor een robuust kader wordt geboden ter ondersteuning van grootschalig onderzoek naar de gezondheid van moeders en pasgeborenen.

De kern

Stel je voor dat je probeert precies te raden hoe lang een zwangerschap heeft geduurd, alleen door te kijken naar het medisch dossier van een patiënt. Soms ontbreekt in het dossier de specifieke datum waarop de bevalling verwacht werd, of zijn de notities rommelig en moeilijk leesbaar. Dit is een groot probleem voor onderzoekers die willen bestuderen hoe medicijnen baby's beïnvloeden, want als ze de timing verkeerd inschatten, kan hun hele studie onbetrouwbaar zijn.

Dit artikel gaat over het bouwen van een slimme digitale detective die de duur van een zwangerschap (de zwangerschapsduur) kan bepalen, zelfs wanneer de officiële registratie ontbreekt of onduidelijk is.

Hier is hoe de onderzoekers dit deden, eenvoudig uitgelegd:

1. De Oefenplaats: Twee Grote Bibliotheken

De onderzoekers keken niet alleen naar de dossiers van één ziekenhuis; ze gebruikten twee enorme bibliotheken met medische gegevens:

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

Beschouw deze als twee verschillende "oefenlokalen". Ze namen miljoenen moeder-en-baby-dossiers uit deze lokalen om hun computerprogramma te leren patronen te herkennen.

2. De Toolkit van de Detective: Welke aanwijzingen gebruikte het?

Het computerprogramma (een machine learning-model) raakte niet zomaar iets. Het zocht naar specifieke aanwijzingen in de dossiers, net als een detective die een puzzel oplost. Ze testten drie verschillende "toolkits" om te zien welke het beste werkte:

• Toolkit A (Alleen Moeder): Keek alleen naar de geschiedenis van de moeder (haar leeftijd, ras, eerdere zwangerschappen).
• Toolkit B (Moeder + Ziekenhuisnotities): Voegde algemene ziekenhuisgegevens toe (zoals ICD-codes, die als afkortingen voor medische aandoeningen fungeren).
• Toolkit C (Het Volledige Pakket): Voegde ook de gegevens van de baby toe! Dit omvatte het geboortegewicht van de baby, hun "Apgar-score" (een snelle gezondheidstest direct na de geboorte) en de eigen medische labels van de baby.

De Analogie: Stel je voor dat je probeert te raden hoe lang een cake heeft gebakken.

• Toolkit A is als raden op basis van alleen de ervaring van de bakker.
• Toolkit B is als kijken naar het receptkaartje.
• Toolkit C is kijken naar de bakker, het recept, en de grootte en textuur van de afgewerkte cake. Niet verrassend was het Volledige Pakket (Toolkit C) het nauwkeurigst.

3. De "Slimme Gissing" versus de "Gemiddelde Gissing"

Voordat ze hun geavanceerde AI gebruikten, probeerden de onderzoekers een simpele methode: gewoon het gemiddelde van de zwangerschapsduur voor iedereen raden.

• Het Resultaat: Het simpele gemiddelde zat vaak erg naast de werkelijkheid, alsof je zou raden dat elke cake precies 45 minuten nodig heeft, ongeacht de grootte.
• Het AI-Resultaat: De machine learning-modellen waren veel scherper. Ze konden de zwangerschapsduur binnen één week van de ware datum voorspellen in ongeveer 85% tot 93% van de gevallen. Binnen twee weken hadden ze het 94% tot 98% van de tijd goed.

4. De "Tussen-Steden"-Test

Om zeker te weten dat hun detective niet alleen de bibliotheek van Nashville uit zijn hoofd had geleerd, stuurden ze dezelfde regels naar de bibliotheek in Michigan.

• De Uitkomst: Het werkte net zo goed, en presteerde in Michigan zelfs nog beter. Dit bewijst dat de "detective" niet alleen een lokale expert is; het is een generalist die in verschillende ziekenhuizen kan werken.

5. Waar de Detective Struikelt

Het artikel is eerlijk over waar het systeem nog niet perfect is:

• Vroeggeborenen: Het systeem is uitstekend in het raden van de duur van zwangerschappen die op tijd eindigen (baby's die op het "juiste" moment worden geboren). Het heeft echter iets meer moeite met baby's die zeer vroeg worden geboren (premature). Het is alsof de detective goed is in het oplossen van standaardzaken, maar verward raakt door zeldzame, complexe mysteries.
• Oudere Gegevens: Het systeem presteerde beter op dossiers uit recente jaren. Dit kan komen omdat oudere dossiers (van voor 2015) gebruik maakten van andere coderingsystemen of minder nauwkeurige echografie-technologie hadden, waardoor de aanwijzingen moeilijker te lezen waren.

De Conclusie

Het artikel concludeert dat we nu een betrouwbare, verplaatsbare "rekenmachine" hebben die de ontbrekende zwangerschapsdata in medische dossiers kan invullen. Door een combinatie van de geschiedenis van de moeder, ziekenhuisnotities en details van de baby te gebruiken, kan dit hulpmiddel onderzoekers helpen de veiligheid van zwangerschappen veel nauwkeuriger te bestuderen dan voorheen.

Belangrijke Opmerking: De auteurs stellen specifiek dat dit een hulpmiddel is voor onderzoek om ontbrekende data in studies op te vullen. Zij claimen niet dat dit hulpmiddel nu door artsen moet worden gebruikt om directe klinische beslissingen te nemen voor individuele patiënten in een ziekenhuisomgeving. Het is een manier om de data op te schonen, zodat wetenschappers meer kunnen leren over de gezondheid van moeder en baby.

Technische samenvatting

Technische Samenvatting: Machine Learning-schatting van de zwangerschapsduur bij bevalling met behulp van gekoppelde elektronische gezondheidsdossiers van moeder en kind

Probleemstelling
Een nauwkeurige schatting van de zwangerschapsduur (GA) is van cruciaal belang voor onderzoek naar de gezondheid van zwangerschap en nakomelingen, met name in farmaco-epidemiologische studies waarbij het definiëren van blootstellingsvensters en foetale vatbaarheid afhankelijk is van een precieze zwangerschapsdatering. Elektronische gezondheidsdossiers (EHR) en administratieve claimsdatabases lijden echter vaak aan ontbrekende, onvolledige of foutieve GA-gegevens als gevolg van invoerfouten door zorgverleners, gebrek aan echografische documentatie of beperkingen in de systeeminfrastructuur. Deze onnauwkeurigheden kunnen leiden tot verkeerde classificatie van medicijnblootstellingen, wat bias introduceert en de validiteit van studies ondermijnt. Hoewel eerder onderzoek zich heeft gericht op het schatten van GA met behulp van administratieve claimsdata, is er behoefte om de rijkere, gekoppelde moeder-kindgegevens die beschikbaar zijn in EHR-systemen te benutten om de schattingsnauwkeurigheid en generaliseerbaarheid in diverse zorgomgevingen te verbeteren.

Methodologie
Deze retrospectieve cohortstudie ontwikkelde en valideerde supervised machine learning-algoritmen om de GA bij bevalling te schatten met behulp van gekoppelde moeder-kind EHR-gegevens uit twee academische zorgsystemen: Vanderbilt University Medical Center (VUMC, 2005–2025) en de Universiteit van Michigan (UMich, 2012–2024).

• Gegevensbronnen en Cohort: De studie maakte gebruik van de Research Derivative bij VUMC en de UMich EHR-database. De initiële cohorten omvatten 91.471 (VUMC) en 55.733 (UMich) moeder-kindparen. Na toepassing van uitsluitingscriteria (één kind per moeder behouden, uitsluiting van niet-levende geboorten en vereiste van adequate prenatale zorg), bestonden de definitieve analytische cohorten uit 54.344 paren bij VUMC en 34.345 bij UMich.
• Referentiestandaard: Klinische schattingen van de zwangerschapsduur (CGA) die in de moederdossiers op het moment van bevalling werden geregistreerd, dienden als grondwaarheid. Deze tekstpatronen (bijv. "39 weken 2/7") werden omgezet in numerieke dagen.
• Voorspellende Variabelen: Kenmerken werden afgeleid uit drie bronnen:
  1. Moederdossiers: Demografie (leeftijd, ras/etniciteit), ICD-codes voor vroeggeboorte/termijngeboorte/nabije termijngeboorte, foetale groeivertraging en overmatige foetale groei.
  2. EHR-systeemdata: Standaard encounter-informatie en frequenties van ICD-codes (gecodeerd als afzonderlijke dagen of bezoeken).
  3. Kinddossiers: Geboortegewicht, 1-minuut en 5-minuut APGAR-scores, en kindspecifieke ICD-codes (vroeggeboorte, SGA, LGA).
     Ontbrekende waarden voor geboortegewicht en APGAR-scores werden geïmputeerd met mediaanwaarden.
• Modelconfiguraties: Om de prestaties in verschillende dataomgevingen te evalueren, werden drie configuraties getest:
  • C1 (Moeder): Alleen moederlijke voorspellers.
  • C2 (Moeder + EHR): Moederlijke + standaard EHR-kenmerken.
  • C3 (Moeder + EHR + Pediatrisch): Alle beschikbare voorspellers, inclusief kinddossiers (die gekoppelde dataomgevingen vertegenwoordigen).
• Algoritmen: Random Forest (RF), Gradient Boosting (GB) en een Ensemble-model (gemiddelde van RF- en GB-voorspellingen) werden getraind. Hyperparameters werden geoptimaliseerd via 5-voudige cross-validatie. Een kwantieltransformatie werd toegepast om de links-scheve verdeling van CGA aan te pakken.
• Evaluatie: De prestaties werden beoordeeld op vastgehouden testsets met behulp van het aandeel voorspellingen binnen ±1 week en ±2 weken van de referentiestandaard, en de Mean Absolute Error (MAE). Bootstrapping (1.000 resamples) werd gebruikt om 95%-betrouwbaarheidsintervallen te berekenen.

Belangrijkste Resultaten

• Algemene Prestaties: Het ensemble-model behaalde de hoogste nauwkeurigheid. Op de VUMC-testset voorspelde het de GA binnen ±1 week voor 85,2% van de zwangerschappen en binnen ±2 weken voor 94,3%, met een MAE van 4,4 dagen. Op de UMich-testset verbeterde de prestatie tot 93,1% (±1 week) en 97,8% (±2 weken), met een MAE van 2,8 dagen.
• Vergelijking met Baselines: Machine learning-modellen presteerden aanzienlijk beter dan eenvoudige gemiddelde- en mediaan-baselines. Bijvoorbeeld, op de VUMC-testset verbeterden de ML-modellen de MAE met 6,8 tot 7,9 dagen ten opzichte van de gemiddelde baseline (12,3 dagen).
• Invloed van Voorspellers: De prestaties verbeterden consistent naarmate meer gegevensbronnen werden toegevoegd (C1 < C2 < C3). De opname van kindspecifieke gegevens (geboortegewicht, APGAR, pediatrische ICD-codes) bood de grootste impuls voor de nauwkeurigheid.
• Temporele en Gestratificeerde Analyse:
  • ICD-overgang: Modellen presteerden beter voor zwangerschappen die op of na 1 oktober 2015 werden beëindigd (ICD-10-CM-tijdperk) in vergelijking met het ICD-9-CM-tijdperk.
  • Bevallingsstatus: De modellen presteerden het beste voor zwangerschappen op termijn en late termijn. De prestaties waren opvallend lager voor vroeggeboortes.
  • Generaliseerbaarheid: De modellen die op VUMC-data waren getraind en gerepliceerd op UMich-data, toonden sterke portabiliteit, waarbij de UMich-replicatie zelfs een hogere overeenstemming met de referentiestandaard vertoonde.

Betekenis en Claims
De auteurs beweren dat deze studie een robuust en generaliseerbaar machine learning-kader presenteert voor het schatten van de zwangerschapsduur bij bevalling met behulp van gekoppelde moeder-kind EHR's. De primaire betekenis ligt in:

1. Benutting van Gekoppelde Data: Aantonen dat het combineren van moeder- en kinddossiers (C3-configuratie) modellen die uitsluitend vertrouwen op moederlijke of administratieve data aanzienlijk overtreft.
2. Portabiliteit en Reproduceerbaarheid: Met succes het modelleringstraject repliceren over twee verschillende zorgsystemen met verschillende datahistorieën en patiëntendemografieën, wat suggereert dat de geleerde associaties breed generaliseerbaar zijn en niet locatie-specifiek.
3. Nuttigheid voor Onderzoek: Het bieden van een betrouwbaar hulpmiddel om GA in te vullen in grootschalige klinische studies uit de echte wereld waar GA-gegevens ontbreken of ongeldig zijn, waardoor bias in farmaco-epidemiologisch en perinataal onderzoek wordt verminderd.

Het artikel erkent beperkingen, waaronder suboptimale prestaties voor vroeggeboortes en de uitsluiting van uitkomsten van niet-levende geboorten (doodgeboorte, zwangerschapsafbreking) uit de huidige modelscope. De auteurs benadrukken dat hoewel het kader robuust is, er toekomstig werk nodig is om prestatiekloven in de schatting van vroeggeboortes aan te pakken en potentiële bias met betrekking tot gezondheidsongelijkheden te evalueren.