机器学习预测妊娠结果：系统评价、综合框架和未来研究议程

机器学习（ML）已经广泛应用于预测分娩方式和评估孕期潜在的母体风险。本综述研究的主要目的是探讨当前研究和开发视角，利用机器学习技术预测最佳分娩方式并检测分娩过程中的各种并发症。我们从最初的241篇文章中选择并回顾了26篇（发表于2000年至2020年之间），采用系统文献综述（SLR）方法。作为结果，本研究突出了近年来关于妊娠结果的研究所关注的目标或重点；探讨了采用的机器学习算法及其性能；并提供了所使用特征、特征类型、数据来源及其特征的综合视图。此外，综述还调查并描绘了先前研究的目标如何随着时间变化，而研究目标、算法使用及特征之间的关联。该研究还阐明了未来的研究机会，以促进现有举措减少母亲的自满和死亡率，例如：利用无监督和深度学习算法进行预测，揭示母体并发症的未知原因，开发可用且实用的基于机器学习的临床决策支持系统，以供预产妇和健康专业人员使用，增强数据集及其可访问性，以及探索外科机器人工具的潜力。最后，本综述研究的发现为推进基于机器学习的母婴医疗系统的发展贡献了一个概念框架。总的来说，这项综述将提供基于机器学习的母婴医疗的最先进范式，帮助临床决策、预测妊娠问题和分娩方式、以及医学诊断和治疗。