子痫前期是妊娠期高血压疾病的一种，是妊娠20周后出现的症状复杂多变的对孕妇和胎儿危害性很高的一种综合症，孕妇血压升高并伴随有一种或多种器官/系统的异常例如蛋白尿、肾功能异常、肝功能损伤等。子痫前期是导致孕妇死亡的第二大原因，每年发病人数大约为850万，其发病原因至今尚不清楚，可能涉及到母体、胎盘和胎儿等多种因素。对子痫前期发现不及时，可能会造成子痫。提前预测子痫前期风险，对于疾病治疗和减少患者经济负担具有重大意义。依据子痫的生物标志物以及病人临床数据，通过人工智能算法对子痫前期进行AI计算机辅助风险预测。其中比较突出的技术问题是小样本和与样本不平衡问题。
小样本问题是指研究如何从少量的样本中去学习。 众所周知，深度学习的训练需要大量的数据，然而，在实际的生产生活中，可能由于数据采集困难，样本标注代价高等问题，使得训练样本的规模不大，因此，小样本问题就成为了机器学习领域中重要的研究方向之一。
样本不平衡实际上是一种非常常见的现象。这里实际上是子痫前期的高风险病人和低风险病人的病例数目可能存在的严重不平衡情况。而常规的人工智能算法在样本不平衡情况下所构建的预测模型通常更偏向于多数类，导致对子痫风险预测的准确性不足。
AUC，ROI，预测准确率