Η τεχνητή νοημοσύνη (AI) θα μπορούσε να συμβάλει στην έγκαιρη αναγνώριση υψηλότερου κινδύνου κατά την εγκυμοσύνη, ήδη από το πρώτο τρίμηνο. Αυτό προκύπτει από διεθνή μελέτη, στην οποία αναλύθηκαν δεδομένα από περισσότερες από 700.000 εγκυμοσύνες στη Σουηδία, τη Χιλή και τη Σιγκαπούρη.

Οι ερευνητές επισημαίνουν ότι εξακολουθούν να υπάρχουν σημαντικές ανισότητες στην έκβαση των κυήσεων παγκοσμίως. Τα υφιστάμενα εργαλεία εκτίμησης κινδύνου βασίζονται κυρίως σε βιοϊατρικούς παράγοντες, ενώ συχνά δεν λαμβάνουν επαρκώς υπόψη κοινωνικούς και άλλους παράγοντες που επηρεάζουν την υγεία.

Για τη μελέτη, οι ερευνητές ανέπτυξαν και αξιολόγησαν ξεχωριστά μοντέλα μηχανικής μάθησης για κάθε πληθυσμό. Τα μοντέλα χρησιμοποιούσαν δεδομένα που συλλέγονταν στο πλαίσιο της συνήθους φροντίδας και είχαν στόχο να προβλέψουν έναν συνδυασμό σοβαρών ανεπιθύμητων μητρικών, εμβρυϊκών και νεογνικών συμβαμάτων, συμπεριλαμβανομένου του θανάτου.

Ο σύνθετος αυτός δείκτης καταγράφηκε στο 10,40% των εγκυμοσυνών στη Σουηδία, στο 21,94% στη Χιλή και στο 16,25% στη Σιγκαπούρη.

Οι ερευνητές συνέκριναν την υπάρχουσα κλινική εκτίμηση κινδύνου με ένα μοντέλο μηχανικής μάθησης που ονομάζεται LightGBM.

Η απόδοση αξιολογήθηκε με βάση την περιοχή κάτω από την καμπύλη ROC (AUROC), έναν δείκτη που χρησιμοποιείται για να εκτιμηθεί πόσο καλά ένα μοντέλο μπορεί να διακρίνει μεταξύ περιπτώσεων με και χωρίς το υπό μελέτη αποτέλεσμα. Όσο υψηλότερη είναι η τιμή, τόσο καλύτερη είναι η διακριτική ικανότητα.

Στη Σουηδία, η κλινική εκτίμηση κινδύνου είχε AUROC 0,53, ενώ το μοντέλο LightGBM έφτασε το 0,65.

Παρόμοια εικόνα καταγράφηκε στη Χιλή, όπου η κλινική εκτίμηση είχε AUROC 0,52, έναντι 0,65 για το μοντέλο τεχνητής νοημοσύνης.

Στη Σιγκαπούρη, η διαφορά ήταν μικρότερη, αλλά και πάλι υπέρ του LightGBM: 0,60 έναντι 0,56 για την κλινική εκτίμηση.

Τα ευρήματα δείχνουν, σύμφωνα με τους ερευνητές, ότι τα μοντέλα τεχνητής νοημοσύνης θα μπορούσαν να προσφέρουν πρόσθετη και πιο εξατομικευμένη πληροφόρηση κατά την προγεννητική φροντίδα.

Ωστόσο, η μελέτη ανέδειξε και έναν σημαντικό περιορισμό. Κανένα από τα μοντέλα δεν παρουσίασε την ίδια απόδοση και στις τρεις χώρες.

Αυτό υποδηλώνει ότι τα εργαλεία τεχνητής νοημοσύνης για την παρακολούθηση της εγκυμοσύνης πιθανότατα θα πρέπει να προσαρμόζονται στα χαρακτηριστικά του πληθυσμού στον οποίο πρόκειται να χρησιμοποιηθούν και να υποβάλλονται σε προσεκτική, ανεξάρτητη αξιολόγηση.

Οι ερευνητές τονίζουν ότι υπάρχει ανάγκη για περαιτέρω έρευνα, ώστε να διαπιστωθεί κατά πόσο η αξιοποίηση τέτοιων μοντέλων στην καθημερινή κλινική πράξη μπορεί πράγματι να οδηγήσει σε έγκαιρες παρεμβάσεις και, τελικά, σε καλύτερα αποτελέσματα για τις μητέρες και τα νεογνά.

Η μελέτη δημοσιεύθηκε στο Journal of Medical Internet Research το 2026.

Προσθέστε το iatronet.gr στο Discover

Ειδήσεις υγείας σήμερα
Γνωριμία με τα Ρευματικά Νοσήματα, σε πόλεις της Ελλάδας: Η «ΡευΜΑζήν» στην Κέρκυρα
Συμβουλές για δρομείς κάθε είδους
Από το ασφαλές σημείο στο ασφαλές ταξίδι φροντίδας