تشير الأبحاث الحديثة إلى أهمية مراقبة معدل ضربات قلب الجنين (FHR) وتقييم تقلباته لتجنب المضاعفات التي قد تؤثر على صحة الجنين. إلا أن الطرق التقليدية تعاني من عدد من القيود، منها أداء الأجهزة، نقل البيانات، والتقييمات الذاتية من قبل الأطباء.

للتغلب على هذه التحديات، تم تطوير نموذج مخصص قائم على الذكاء الاصطناعي يسمى FHrCTG، والذي يعمل على تحسين دقة مراقبة معدل ضربات القلب الجنين. هذا النموذج الذي تم تدريبه بشكل مسبق على مجموعة بيانات ضخمة تضم 558,412 نقطة بيانات غير مسماة، وخضعت لتحسين إضافي باستخدام 7,266 إدخال راجع من قبل خبراء.

في إطار اختبار أداء النموذج، تم استخدام منهجية جديدة تُعرف باسم Intersection Overlapping Labels (IOL)، والتي تحوّل تحليل المعدل إلى أحكام فئوية. وقد أظهرت النتائج أن النموذج يتمتع بحساسية وخصوصية عالية في اكتشاف التباطؤات الحرجة لمعدل ضربات القلب الجنين، حيث وصلت إلى 89.13% و87.78% على التوالي، بينما سجلت الاستجابات السريعة 62.5% و92.04%.

علاوة على ذلك، حقق النموذج درجات استثنائية وفقًا لمعايير فيشر للاستخدام السريري، حيث حصل على نتائج AUC مثيرة للإعجاب بلغت 0.7214 و0.9643 للتحقق من دورية FHR وتنوع السعة، مما يشير إلى فعالية كبيرة في المجال الطبي.