Младенцы, рожденные с низкой массой тела (менее 2,5 кг), в 20 раз чаще умирают. У них также выше риск неврологических и сердечно-сосудистых заболеваний, диабета и задержки роста в будущем. Исследователи из Университета Сан-Паулу (USP) доказали: алгоритмы машинного обучения могут предсказать такие случаи заранее, что позволит врачам действовать на опережение и снизить риски.

Машинное обучение — это когда компьютер не просто выполняет команды, а анализирует данные, находит закономерности и делает прогнозы. Как ребенок, который, видя тысячу кошек, начинает узнавать их на новых фото.

Результаты опубликованы в издании BMC Pregnancy and Childbirth.

В основе работы — данные 1579 беременных из города Араракуара (штат Сан-Паулу, Бразилия). Это первый подобный проект в стране, где обычно полагаются на исследования из Европы и США. Ученые протестировали четыре алгоритма:

• Random Forest
• XGBoost
• LightGBM
• CatBoost

Лучше всех справился XGBoost — он точнее определял беременных с высоким риском.

Почему это важно? Низкий вес при рождении — проблема глобальная. Причины — от медицинских (осложнения) до социальных: возраст матери, бедность, недостаток наблюдения. Но большинство прогнозных моделей созданы для богатых стран. Бразильские реалии иные: меньше ресурсов, другие риски.

Как это поможет? Если алгоритм заранее отметит риск, врачи смогут:

• Увеличить число консультаций
• Назначить питательные добавки
• Объяснить, как скорректировать образ жизни

Но есть нюанс. Модель работает для юго-востока Бразилии, но для Амазонии или Африки ее придется дорабатывать — там другие условия.

Риски давно известны, но наша модель — это инструмент для сортировки. Она использует простые данные, которые есть даже в бедных клиниках, — говорит Ауденсио Виктор, автор исследования.

Главный плюс — превентивная медицина. Если алгоритм внедрят в женских консультациях, врачи смогут:

• Выявлять группу риска на ранних сроках — не по интуиции, а на основе данных.
• Экономить ресурсы — не распыляться на всех, а фокусироваться на тех, кому помощь критична.
• Снижать нагрузку на систему здравоохранения — меньше осложнений = меньше затрат на выхаживание детей.

Но важно не переоценивать технологию: алгоритм лишь инструмент, а не замена врачу.

Проблема выборки. Исследование охватило только один регион Бразилии. Даже внутри страны социально-экономические различия огромны — модель может давать сбои в трущобах Рио или глухих деревнях. Нужны дополнительные испытания.

Ранее ученые заявили, что регулярные недосыпы беременных грозят задержкой развития у младенцев.