摘要：目的：应用机器学习方法，提高预测巨大儿的准确性。方法：查阅2015年1月至2016年12月我院产科巨大儿及正常体质量新生儿病历，获取新生儿出生体质量及超声测量数据。以新生儿实际出生体质量为金标准，评价并比较超声内置的Hadlock公式、多元线性回归以及k近邻、支持向量机、随机森林分类的机器学习方法对巨大儿预测的准确性。结果：内置的Hadlock公式预测巨大儿的灵敏度为40．86％，Youden指数为39．95％；多元线性回归预测巨大儿的灵敏度为60．22％，Youden指数为58．85％；机器学习法中k近邻预测巨大儿的灵敏度86．21％，Youden指数为75．10％；支持向量机预测巨大儿的灵敏度86．21％，Youden指数为73．51％；随机森林预测巨大儿的灵敏度81．03％，Youden指数为71．51％。多元线性回归模型方法的Youden指数大于超声内置公式方法，差异有统计学意义（M=3．64，P〈0．001）；机器学习法中k近邻、支持向量机、随机森林分类的Youden指数大于超声内置公式的Youden指数（P〈0．001），k近邻、支持向量机的Youden指数大于多元线性回归模型法（P〈0．05）。结论：机器学习方法预测巨大儿的准确性较高，具有参考应用价值。

关键词：巨大儿 超声测量 机器学习 

单位：福建医科大学附属闽东医院; 福建福安355000