Revista de enfermedades tropicales y salud pública

Abstracto

Predicción del modo de parto en mujeres embarazadas en el primer trimestre mediante técnicas de aprendizaje profundo

Arthi R

Según la OMS, en 2017 murieron 810 mujeres al día debido a problemas evitables relacionados con el parto y el embarazo. Aunque la cifra ha ido disminuyendo desde el año 2000, las muertes de mujeres que todavía se producen debido al parto pueden estar ampliamente asociadas a la cesárea. Los estudios han demostrado que las mujeres que se someten a una cesárea tienen un mayor riesgo de paro cardíaco posparto, histerectomía, hematoma de la herida, tromboembolia venosa, complicación anestésica, infección puerperal importante, etc., en comparación con las mujeres con parto vaginal. La cesárea de emergencia es incluso peor que una cesárea planificada. Para reducir aún más la tasa de mortalidad materna y disminuir la cesárea, este estudio tiene como objetivo la aplicación de técnicas de aprendizaje profundo para predecir el modo de parto lo antes posible, de modo que se puedan tomar medidas tempranas para convertirlo en un parto vaginal. Algunos de los parámetros que se utilizaron para entrenar el modelo son la edad, los hábitos de tabaquismo o consumo de alcohol, la diabetes gestacional, la paridad, el número de embarazos, etc. Este modelo de aprendizaje automático supervisado que predice si una mujer tendrá una cesárea o un parto vaginal ayudaría a reducir la tasa de mortalidad materna debido a la cesárea. Al predecir la cesárea de forma temprana y allanar el camino para que el obstetra la convierta en un parto vaginal, este modelo también tiene como objetivo reducir la angustia física, psicológica y económica causada por la cesárea.