机器学习算法在预测臀先露外倒转术疗效中的应用研究

目的 探讨不同的机器学习算法在预测臀先露外倒转术疗效中的效能及其临床应用价值。方法 收集2017年1月至2020年6月在南方医科大学附属东莞医院行臀先露外倒转术孕产妇的临床数据资料。分别采用朴素贝叶斯（NB）、随机森林（RF）、多层感知器（MLP）、逻辑回归（LR）、支持向量机（SVM）、梯度提升决策树（GBDT）6种机器学习算法，构建臀先露外倒转术疗效预测模型，以精确度、召回率、F1值、准确率和ROC曲线下面积作为评估指标。结果 有效样本共316例，其中239例（75.6%）经外倒转术纠正胎位。MLP机器学习算法在测试集中综合反映精确率和召回率的F1值为0.92,ROC曲线下面积为0.816，均优于其他5种机器学习算法。结论 MLP机器学习算法在预测臀先露外倒转术疗效中展现较好的效能，具有一定的临床应用潜力。