集成AI工具通过盲超扫描预测孕龄的诊断准确性
基于盲超声扫描的AI工具估算妊娠年龄的诊断准确性
背景介绍
妊娠年龄（Gestational Age, GA）的准确评估是良好孕期护理的基础，但通常需要通过超声检查实现。然而，许多低资源地区缺乏足够的超声设备，这使得GA的准确评估变得十分困难。近年来，硬件和人工智能（Artificial Intelligence, AI）在医学图像分析中的进步，为广泛使用这一诊断工具提供了契机。本研究基于一个深度学习AI模型，开发了一个低成本、无需高端配置的电池供电设备，旨在评估其在非专业用户手中估算妊娠年龄的准确性。
研究来源
这篇研究由Jeffrey S. A. Stringer, MD及其团队撰写，作者来自于北卡罗来纳大学、赞比亚大学等机构。该研究于2024年8月1日在线发表于《JAMA》。
研究流程
研究设计：
- 研究采用前瞻性诊断准确性研究方法。
- 于赞比亚卢萨卡和北卡罗来纳州教堂山两个地区开展。
- 共招募400名具有存活、单胎、无异常的妊娠早期个体。
方法：
- 受试者首先通过凭惯有方式测定的冠臀长度（Crown-Rump Length, CRL）确立妊娠年龄，作为“标准真值”。
- 在随机后的跟踪随访中，训练不足的一般用户使用AI辅助设备（盲扫），并由认证的超声检查医生使用高规格的机器进行胎儿测量。
- 主评估窗口设定在14 0/7周到27 6/7周。
- 设备由Butterfly IQ+手持超声设备改进软件，集成了深度学习模型。
实验步骤：
- 首先是患者的位置信息和医学记录验证，然后进行盲扫操作。
- 每个用户在一天的快速培训中学习基本操作，例如软件导航、患者定位、探头移动等。
- 使用电池供电设备进行10秒盲扫，实时处理和分析图像。
数据分析：
- 使用蒙特卡罗模拟法确定足够的样本大小，以确保95%的把握度在预设的误差范围内。
- 主观谅解范围设置为±2天，次要结果包括均方根误差、7天和14天内准确度等。
主要研究结果
主窗口结果（14-27周）：
- 两种方法在主要评估窗口内的均绝对误差（Mean Absolute Error, MAE）分别为3.2天（AI工具）和3.0天（传统方法）。
- 约90.7%的评估在±7天以内，两种方法相当。
- 在高BMI子组和不同地理位置的准确性一致。
次要窗口结果（28-36周和37-40周）：
- 在28-36周期间AI工具的MAE为6.07天，传统方法为7.12天，AI工具表现较佳。
- 在37-40周期间，AI工具表现不如传统方法，准确性显著下降。
结论
在14到27周之间，未经超声培训的普通用户使用低成本、AI辅助的便携式超声工具，其GA估算的准确性与高规格设备上训练有素的超声医师相当。这对于低资源地区的产科护理有重要意义，推进了世界卫生组织（World Health Organization, WHO）倡导的孕期超声检查目标。
研究亮点
- 创新性：通过将AI集成到便携式超声装置中，显著降低了设备成本，并且无需专业用户操作。
- 适用性：在低资源设置中，普及这种AI辅助设备可以提升孕期护理的覆盖率和准确性。
- 实效性：研究的结果展示了技术的可行性和即时应用潜力。
重要意义
该研究展示了AI在医疗设备中的有效应用，不仅提升了GA估算的准确性，更为低资源地区提供了切实可行的孕期护理方案。未来，这种技术有望在更多的高风险人群中进一步验证并推广，带来更广泛的卫生福利。
研究得到比尔及梅琳达•盖茨基金会（Bill and Melinda Gates Foundation）的资助，并且Butterfly Systems公司为研究提供了设备。这项研究不仅拓宽了GA估算的应用范围，也为未来的医疗技术创新提供了实证基础。
结语
研究阐述了AI技术在孕期GA估算中的应用，展示了其准确性和在资源匮乏地区的实际意义。这是数字健康变革的一部分，有助于改善全球孕期护理质量，推进普及化和公平化的医疗服务。