将训练窗口从分娩前最后一小时扩展到整个产程并加入产程起始时间后，模型在分娩前至少3小时识别出40.3%的缺氧缺血性脑病病例，较仅用最后一小时的分类器提高8.4个百分点
核心概要
该研究基于Kaiser Permanente Northern California的174,186例胎龄≥35周分娩数据，从20分钟时段提取40个胎心监护（CTG）特征训练随机森林分类器，分别以严重酸中毒（N=2,636）和临床验证的缺氧缺血性脑病（HIE，N=304）为目标，将训练窗口从分娩前最后一小时逐步扩展至整个产程并加入产程起始时间（TLO）特征，在固定15%假阳性率下评估，发现早期识别能力随窗口扩展而提升并在18小时趋于平台，加入TLO后性能最佳：40.3%的HIE病例在分娩前至少3小时、27.3%在至少6小时被识别，较仅用最后一小时的分类器绝对提升8.4%和10.7%，55.7%的HI
深度剖析
将训练窗口从分娩前最后一小时逐步扩展至整个产程，可提升对HIE的早期识别能力，并在18小时处趋于平台。 以往多数AI模型仅使用分娩前最后一小时这一只能回顾性确定的窗口进行训练，本研究把训练窗口沿产程向前延伸，直接检验了“更早的演化信号是否可学”这一假设。 基于174,186例分娩、2,636例严重酸中毒和304例临床验证HIE的大样本队列，在固定15%假阳性率下连续评估，并报告了窗口扩展与性能提升的对应关系及18小时平台。
在特征中加入产程起始时间（TLO）带来最高的早期预警性能：40.3%的HIE病例在分娩前至少3小时被识别，27.3%在至少6小时被识别。 相对仅用最后一小时的分类器，这两个时间点上的绝对增益分别为8.4%和10.7%，说明时间感知（time-aware）建模比单纯延长窗口更能捕捉HIE的时间演化模式。 结果以固定15%假阳性率下的连续评估给出，并明确报告了相对最后一小时分类器的绝对增益数值。
55.7%的HIE病例可在分娩前至少40分钟被识别，使模型从产程末诊断转向早期预警决策支持。 该结果把可行动的时间提前量具体化，指向临床决策支持而非事后诊断的定位。 来自同一队列在固定15%假阳性率下的连续评估，摘要中报告了该比例。
启示与展望
该结果面向胎龄≥35周、在Kaiser Permanente Northern California分娩的产时CTG监护场景，目标是在固定15%假阳性率下为临床团队提供分娩前数小时的早期预警信号，从而把产时AI从产程末诊断转向早期预警决策支持。它适用于拥有连续CTG记录与产程时间信息的产科监护环境，并为后续在更广人群与更多卫生系统中检验时间感知建模提供了可复制的思路。
本次读取范围不完整，仅包含摘要、利益冲突声明、伦理声明与数据可用性说明，缺少正文的方法细节、图表与结果表格，因此无法核对特征定义、模型校准、亚组表现与统计不确定性。读者仍需关注：时间感知模型在不同产程管理常规与不同CTG采集质量下的表现，以及早期预警在真实临床流程中如何与现有干预路径衔接。数据不可公开且不能离开KPNC防火墙，外部独立复现需通过提案与数据使用协议，这也是后续验证需要面对的条件。