Прогнозування розвитку гестаційного цукрового діабету у вагітних із використанням методів машинного навчання

##plugins.themes.bootstrap3.article.main##

Марко Романович Басараб
к.т.н. доц. Екатерина Олегівна Іванько
доц. Вішвеш Кулкарні

Анотація

Стаття присвячена застосуванню методів машинного навчання для прогнозування розвитку гестаційного цукрового діабету на ранніх термінах вагітності. На основі двох публічнодоступних баз даних оцінюється вплив таких показників, як індекс маси тіла, товщина шкірної складки трицепса, ультразвукове вимірювання вісцерального жиру у матері, перше визначення глюкози у плазмі венозної крові натщесерце  та інших параметрів для прогнозування розвитку гестаційного цукрового діабету. Методи машинного навчання з вчителем, засновані на деревах рішень, методі опорних векторів, логістичній регресії, класифікаторі k-найближчих сусідів, ансамблевому навчанні, наївному Байєсівському класифікаторі та нейронних мережах були реалізовані для визначення найкращих моделей класифікації для комп'ютеризованого прогнозування гестаційного діабету. В роботі визначено та порівняно точність різних класифікаторів. Метод опорних векторів продемонстрував найвищу точність класифікації у прогнозуванні розвитку гестаційного діабету на основі навчання з використанням показників з бази даних Pima Indians Diabetes Database (83,0% загальних вірно спрогнозованих випадків, 87,9% для класу здорових жінок та 78,1% для класу гестаційного цукрового діабету). Класифікатор з використанням ансамблевого навчання дерев рішень показав найкращі результати порівняно з іншими методами машинного навчання на основі навчання з використанням показників з бази даних Visceral Adipose Tissue Measurements During Pregnancy - 87,9% загальних вірно прогнозованих випадків, 82,2% для класу здорових жінок та 93,6% для класу гестаційного цукрового діабету).

##plugins.themes.bootstrap3.article.details##

Як цитувати
Басараб, М. Р., Іванько, Е. О., & Кулкарні, В. (2021). Прогнозування розвитку гестаційного цукрового діабету у вагітних із використанням методів машинного навчання. Мікросистеми, Електроніка та Акустика, 228845–1 . https://doi.org/10.20535/2523-4455.mea.228845
Розділ
Електронні системи та сигнали

Посилання

Plows, J. F., Stanley, J. L., Baker, P. N., Reynolds, C. M., & Vickers, M. H. "The Pathophysiology of Gestational Diabetes Mellitus." International journal of molecular sciences, 2018, vol. 19, no. 11, p. 3342. DOI: https://doi.org/10.3390/ijms19113342

Alfadhli EM. "Gestational diabetes mellitus." Saudi Med J. 2015, vol. 36, no. 4, pp. 399-406. DOI: https://doi.org/10.15537/smj.2015.4.10307

McIntyre, H. D., Catalano, P., Zhang, C. et al. "Gestational diabetes mellitus." Nat Rev Dis Primers. 2019, vol. 5. DOI: https://doi.org/10.1038/s41572-019-0098-8

Practice Bulletin No. 180: Gestational Diabetes Mellitus, Obstetrics & Gynecology: July 2017, vol. 130, no. 1, pp. e17-e37. DOI: https://doi.org/10.1097/AOG.0000000000002159

KC K, Shakya S, Zhang H. "Gestational Diabetes Mellitus and Macrosomia: A Literature Review". Ann Nutr Metab 2015, vol. 66, pp. 14-20. DOI: https://doi.org/10.1159/000371628

Muche, A. A., Olayemi, O. O. & Gete, Y. K. "Effects of gestational diabetes mellitus on risk of adverse maternal outcomes: a prospective cohort study in Northwest Ethiopia". BMC Pregnancy Childbirth. 2020, vol. 20. DOI: https://doi.org/10.1186/s12884-020-2759-8

Reece E. A. "The fetal and maternal consequences of gestational diabetes mellitus." J Matern Fetal Neonatal Med. 2010 Mar; vol. 23, no. 3, pp. 199-203. DOI: https://doi.org/10.3109/14767050903550659. PMID: 20121460.

Buchanan T. A., Xiang A. H., Page K. A. "Gestational diabetes mellitus: risks and management during and after pregnancy." Nat Rev Endocrinol. 2012, vol. 8, no. 11, pp. 639-649. DOI: https://doi.org/10.1038/nrendo.2012.96

Oldfield M. D., Donley P., Walwyn L., Scudamore I., Gregory R. "Long term prognosis of women with gestational diabetes in a multiethnic population." Postgrad Med J. 2007, vol. 83(980), pp. 426-430. DOI: https://doi.org/10.1136/pgmj.2006.056267

Tieu J., McPhee A. J., Crowther C. A., Middleton P., Shepherd E. "Screening for gestational diabetes mellitus based on different risk profiles and settings for improving maternal and infant health" Cochrane Database Syst Rev 8. 2017.

M. Maresh, "Screening for gestational diabetes mellitus, Seminars" Fetal and Neonatal Medicine. 2005, vol. 10, no. 4, pp. 317-323. DOI: https://doi.org/10.1016/j.siny.2005.04.009.

Immanuel, D. Simmons. "Screening and treatment for early-onset gestational diabetes mellitus: a systematic review and meta-analysis." Curr Diab Rep. 2017, vol. 17, p. 115. DOI: https://doi.org/10.1007/s11892-017-0943-7

Pınar Kumru et al. "Prediction of gestational diabetes mellitus at first trimester in low-risk pregnancies," Taiwanese Journal of Obstetrics and Gynecology, 2016, vol. 55, no. 6, pp. 815-820, DOI: https://doi.org/10.1016/j.tjog.2016.04.032

Zheng, T., Ye, W., Wang, X. et al. "A simple model to predict risk of gestational diabetes mellitus from 8 to 20 weeks of gestation in Chinese women." BMC Pregnancy Childbirth. 2019, vol. 19. DOI: https://doi.org/10.1186/s12884-019-2374-8

Artzi, N.S., Shilo, S., Hadar, E. et al. "Prediction of gestational diabetes based on nationwide electronic health records." Nat Med. 2020? vol. 26, pp. 71–76. DOI: https://doi.org/10.1038/s41591-019-0724-8

Ye, Yunzhen et al. “Comparison of Machine Learning Methods and Conventional Logistic Regressions for Predicting Gestational Diabetes Using Routine Clinical Data: A Retrospective Cohort Study.” Journal of diabetes research. 12 Jun. 2020. DOI: https://doi.org/10.1155/2020/4168340

Malik S., Harous S., El-Sayed H. "Comparative Analysis of Machine Learning Algorithms for Early Prediction of Diabetes Mellitus in Women." In: Chikhi S., Amine A., Chaoui A., Saidouni D., Kholladi M. (eds) Modelling and Implementation of Complex Systems. MISC 2020. Lecture Notes in Networks and Systems. 2021, vol. 156. Springer, Cham. ISBN: 978-3-030-58861-8_7. DOI: https://doi.org/10.1007/978-3-030-58861-8_7

Wu Y. T., Zhang C. J., Mol B. W., Kawai A., Li C., Chen L., Wang Y., Sheng J. Z., Fan J. X., Shi Y., Huang H.F. "Early Prediction of Gestational Diabetes Mellitus in the Chinese Population via Advanced Machine Learning." J Clin Endocrinol Metab. 2021 Mar 8, vol. 106, no. 3, pp. e1191-e1205. DOI: https://doi.org/10.1210/clinem/dgaa899.

Revathy S., Ramesh M., Gowri S., Bharathi B. " Gestational Diabetics Prediction Using Logisitic Regression" in R. In: Smys S., Iliyasu A.M., Bestak R., Shi F. (eds) New Trends in Computational Vision and Bio-inspired Computing. ICCVBIC 2018. 2020, Springer, Cham. ISBN: 978-3-030-41862-5_73. DOI: https://doi.org/10.1007/978-3-030-41862-5_73

F. Du et al., "Prediction of pregnancy diabetes based on machine learning," BIBE 2019; The Third International Conference on Biological Information and Biomedical Engineering, Hangzhou, China, 2019, pp. 1-6.

Pima Indians Diabetes Database. URL: https://www.kaggle.com/uciml/pima-indians-diabetes-database

Kaggle repository URL: https://www.kaggle.com/

Rocha, A. d. S., von Diemen, L., Kretzer, D., Matos, S., Rombaldi Bernardi, J., & Magalhães, J. A. "Visceral adipose tissue measurements during pregnancy (version 1.0.0)." PhysioNet. 2020. DOI: https://doi.org/10.13026/p729-7p53.

Goldberger, A., Amaral, L., Glass, L., Hausdorff, J., Ivanov, P. C., Mark, R., & Stanley, H. E. "PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals." Circulation. 2020, vol. 101, no. 23, pp. e215–e220.

Gur E. B., Ince O., Turan G.A., Karadeniz M., Tatar S., Celik E., Yalcin M., Guclu S. "Ultrasonographic visceral fat thickness in the first trimester can predict metabolic syndrome and gestational diabetes mellitus." Endocrine. 2014 Nov, vol. 47, no. 2, p. 478-84. DOI: https://doi.org/10.1007/s12020-013-0154-1.

Alves, João Guilherme et al. “Visceral Adipose Tissue Depth in Early Pregnancy and Gestational Diabetes Mellitus - a Cohort Study.” Scientific reports. vol. 10, no. 1, p. 2032. 6 Feb. 2020. DOI: https://doi.org/10.1038/s41598-020-59065-5

Balani, J et al. “Visceral fat mass as a novel risk factor for predicting gestational diabetes in obese pregnant women.” Obstetric medicine. 2018, vol. 11, no. 3, pp. 121-125. DOI: https://doi.org/10.1177/1753495X17754149

Rocha, Alexandre da Silva et al. “Maternal visceral adipose tissue during the first half of pregnancy predicts gestational diabetes at the time of delivery - a cohort study.” PloS one. 30 Apr. 2020, vol. 15, no. 4, p. e0232155. DOI: https://doi.org/10.1371/journal.pone.0232155

Sesmilo, G., Prats, P., Garcia, S. et al. First-trimester fasting glycemia as a predictor of gestational diabetes (GDM) and adverse pregnancy outcomes." Acta Diabetol. 2020, vol. 57, pp. 697–703. DOI: https://doi.org/10.1007/s00592-019-01474-8

López Del Val T., Alcázar Lázaro V., García Lacalle C., Torres Moreno B., Castillo Carbajal G., Alameda Fernandez B. "Fasting glucose in the first trimester: An initial approach to diagnosis of gestational diabetes." Endocrinol Diabetes Nutr. 2019 Jan, vol. 66, no. 1, pp. 11-18. DOI: https://doi.org/10.1016/j.endinu.2018.06.012.

Riskin-Mashiah, S. et al. "First trimester fasting hyperglycemia and adverse pregnancy outcomes." Diabetes Care. 2009, vol. 32, pp. 1639–1643.

Статті цього автора (авторів), які найбільше читають