Modello AI migliora il monitoraggio della frequenza cardiaca fetale e la valutazione della variabilità

I ricercatori hanno sviluppato un modello FHrCTG basato sull'IA per il monitoraggio della frequenza cardiaca fetale (FHR) che ricostruisce i segnali e valuta la variabilità. Il modello è stato pre-addestrato su 558.412 punti dati non etichettati e perfezionato con 7.266 voci revisionate da esperti. Utilizza un approccio Intersection Overlapping Labels (IOL) per trasformare l'analisi della frequenza in giudizi categorici. I test hanno mostrato alta sensibilità e specificità nel rilevare decelerazioni critiche della FHR (89,13% e 87,78%) e accelerazioni (62,5% e 92,04%). Il modello supera le limitazioni dei metodi tradizionali, tra cui prestazioni delle apparecchiature, trasmissione dei dati e valutazioni soggettive.