PREDICTION OF FETAL ACIDEMIA (UMBILICAL ARTERY PH < 7.1) IN SINGLETON PREGNANCY USING MACHINE LEARNING

Authors

DOI:

https://doi.org/10.16891/2317-434X.v13.e5.a2025.id2227

Keywords:

fetal acidemia, umbilical artery pH, artificial intelligence

Abstract

Fetal acidemia, defined as an umbilical artery pH below 7.1, is a leading cause of intrapartum asphyxia, affecting both delivery outcomes and child development. Identifying non-invasive methods to predict fetal acidemia is crucial for improving decision-making during childbirth. This study aimed to compare various machine learning models in predicting fetal acidemia at a university hospital in southern Brazil. Data were collected from 567 patients with single pregnancies who delivered at the Hospital Geral de Caxias do Sul between 2011 and 2016. Several machine learning algorithms were developed using Python, including Extra Trees Classifier, Random Forest Classifier, Support Vector Machine, Nonlinear Support Vector Machine with RBF Kernel, Artificial Neural Networks, Gradient Boosting Machine, and Logistic Regression. The GridSearchCV function was employed to optimize model parameters.The study population was divided into two groups: Group I (397 newborns with an umbilical artery pH > 7.1) and Group II (170 newborns with an umbilical artery pH < 7.1). Significant differences were observed between the groups in variables such as parity, previous stillbirth, gestational age, diabetes, fetal presentation, type of delivery, and Apgar scores. Among the models, Artificial Neural Networks achieved the highest AUROC (0.82), followed closely by Logistic Regression (0.81). Both models demonstrated excellent precision, recall, F1-score, and accuracy. However, Logistic Regression is recommended due to its lower computational demands. This study highlights the potential of machine learning models in providing a non-invasive method to predict fetal acidemia, aiding healthcare professionals in clinical decision-making.

Author Biographies

Me, Universidade de Caxias do Sul/ Campus-Sede: Rua Francisco Getúlio Vargas, 1130 CEP 95070-560 - Caxias do Sul

She holds a Bachelor's degree in Production Engineering from the University of Caxias do Sul (UCS) with a sandwich program at Pittsburg State University (PSU), United States of America. She has experience in Quality Engineering, including quality management systems, environmental, health and safety management, internal audits, and technical assistance. She is a researcher in multidisciplinary areas such as meaningful science education, active learning in engineering, operations research, optimization, and artificial intelligence applied to healthcare. She is also a member of the Rotaract Club of Western Kansas City, where she serves on the International Services Committee.

Andressa Daiane Ferrazza, Universidade de Caxias do Sul - Campus-Sede: Rua Francisco Getúlio Vargas, 1130 CEP 95070-560 - Caxias do Sul

Formada em Medicina pela Universidade de Caxias do Sul (UCS). Atualmente no programa de residência em Pediatria do Hospital Criança Conceição (HCC) do Grupo Hospitalar Conceição (GHC). Interesse na área da Pediatria. Coordenou a ONG Médicos do Mundo Caxias do Sul, que objetiva proporcionar assistência de saúde multidisciplinar à população em situação de rua. Desenvolveu pesquisa na área de Obstetrícia e Inteligência Artificial como bolsista PIBIC-CNPq e bolsista BIC-UCS, com ênfase em análise estatística de correlação entre Medicina Fetal e Obstétrica e Inteligência Artificial. Foi pesquisadora voluntária na área de Pediatria, com ênfase em infecções congênitas e prematuridade; pesquisadora voluntária na área de Ginecologia, com ênfase em infecções sexualmente transmissíveis, anticoncepção e sexualidade. Foi membro diretor da Liga Acadêmica Centro de Estudos Pediátricos UCS (CEPED-UCS), assim como na Iniciação Científica Centro de Estudos Pediátricos (IC-CEPED); membro diretor da Liga Acadêmica de Hematologia (LAHEM UCS) e Iniciação Científica da Liga de Hematologia (IC-LAHEM); membro fundador e diretor da Liga Acadêmica de Sexualidade (LASEX UCS). Foi membro fundador e diretor do Southern Brazilian Planetry Health Club. Possui experiência como monitor das disciplinas de Morfologia, Biofisiologia, Propedêutica, Microimunologia para graduação de Medicina. Possui experiência em coleta de dados de prontuários eletrônicos, análise de dados, desenvolvimento de projetos científicos, organização de eventos científicos como simpósios. 

PhD, Universidade de Caxias do Sul -Campus-Sede: Rua Francisco Getúlio Vargas, 1130 CEP 95070-560 - Caxias do Sul

Graduação em Medicina pela UNESP-Botucatu-SP (1983), Doutorado (2012) em Ciências e Pós-doutorado (2018) pelo programa de Cardiologia da Faculdade de Medicina da Universidade de São Paulo. Atua como pesquisadora clinica colaboradora na Unidade de Pesquisa do grupo MASS, no Instituto do Coração da Faculdade de Medicina USP, desde 2018, Professora adjunto de endocrinologia na Universidade de Caxias do Sul, RS desde 2014. Professora do Programa de Pós Graduação em Ciências da Saúde da Universidade de Caxias do Sul desde 2016. Tem experiência na área da Endocrinologia com enfase nos seguintes temas: Diabetes e Doenças Cardiovasculares, Diabetes mellitus gestacional e Obesidade.

PhD, Universidade de Caxias do Sul -Campus-Sede: Rua Francisco Getúlio Vargas, 1130 CEP 95070-560 - Caxias do Sul

Médico Ginecologista e Obstetra. Graduação em Medicina pela Escola Médica do Rio de Janeiro da Universidade Gama Filho (1974), Especialização Lato-Senso em Obstetrícia pela PUC do Rio de Janeiro (1975). Mestrado (1978), Doutorado (1999), Pós-Doutorado (2018) em Obstetrícia pela Universidade Federal do Rio de Janeiro e Pós-Doutorado em Obstetrícia (2022) pela Universidade Federal Fluminense. Atualmente é Professor Titular na Disciplina de Tocoginecologia do Curso de Medicina da Universidade de Caxias do Sul. Professor do Programa de Pós-Graduação Stricto Sensu em Ciências da Saúde da Universidade de Caxias do Sul (Disciplina de Saúde Materna e Perinatal). Coordenador do Programa de Pós-Graduação Stricto Sensu em Ciências da Saúde da Universidade de Caxias do Sul. Coordenador do Programa de Residência Médica em Ginecologia e Obstetrícia do Hospital Geral de Caxias do Sul. Membro do Comitê de Ética em Pesquisa da Universidade de Caxias do Sul. Membro da Comissão Nacional Especializada em Doença Trofoblástica Gestacional da Federação Brasileira das Associações de Ginecologia e Obstetrícia (FEBRASGO). Membro da Associação Brasileira de Doença Trofoblástica Gestacional. Experiência na área de Obstetrícia, com ênfase em Medicina Materna e Perinatal e Doença Trofoblástica Gestacional. 

PhD, Universidade de Caxias do Sul/ Campus-Sede: Rua Francisco Getúlio Vargas, 1130 CEP 95070-560 - Caxias do Sul

He holds a postdoctoral degree from Monash University, Australia, in Optimization, and another postdoctoral degree from the Naval Postgraduate School, California, USA, in Global Optimization considering uncertainties. He completed his master’s and doctoral degrees in Engineering with a focus on Optimization at the Federal University of Rio Grande do Sul (UFRGS). He graduated in Mechanical Engineering from the University of Caxias do Sul (UCS). He works as a researcher and professor in the field of Optimization, teaching in the graduate programs in Applied Computing, Mechanical Engineering, and Health Sciences at UCS. He received an honorable mention for his work in Optimization and Artificial Intelligence. He is a reviewer for national and international journals in the field of Optimization and is listed in the Alper-Dö#287;er Scientific Index ranking as one of the top scientists in Latin America. He has expertise in Optimization, Mathematical Modeling, Artificial Intelligence, Structural Optimization, Optimization under Uncertainty, Operations Research, and Applied and Computational Mathematics.

Downloads

Published

2025-07-11

How to Cite

Tomé, F., Ferrazza, A. D., Rahmi Garcia, R. M., Madi, J. M., & Corso, L. L. (2025). PREDICTION OF FETAL ACIDEMIA (UMBILICAL ARTERY PH < 7.1) IN SINGLETON PREGNANCY USING MACHINE LEARNING. Revista Interfaces: Saúde, Humanas E Tecnologia, 13(1), 5376–5386. https://doi.org/10.16891/2317-434X.v13.e5.a2025.id2227

Issue

Vol. 13 No. 1 (2025):

Section

Artigos