Google Research 研究以 AI 辅助超声评估孕周，准确性不劣于专家标准方法

世界卫生组织（WHO）估计，全球每年有超过 250,000 人因妊娠相关并发症而死亡，而这些死亡本可避免。虽然产前超声检查可以改善妊娠结局并降低胎儿和孕产妇死亡率，但全球有三分之二的人无法获得超声等医学影像诊断服务。目前支持孕产妇健康的方法高度依赖专业临床培训，导致资源匮乏地区的数百万人在整个孕期连一次超声检查都无法获得。

我们看到了通过研究来满足这一现实需求的机会，即开发能够解读“盲扫”超声影像的机器学习系统。这种扫描方式使未接受过专业超声培训的一线医护人员，只需按照标准化路径将低成本便携式超声探头滑过腹部，即可完成扫描。

由于许多地区面临严重的专家短缺，而传统超声检查人员培训不仅费用高昂，还需要投入数年时间，因此，让这些医护人员仅接受少量培训就能开展评估，有望显著扩大产前筛查的覆盖范围。

将极低的培训要求与 AI 解读相结合，最终有望成功开发出一种工具，提高基于超声的妊娠评估的可及性，从而让更多人获得更高质量的孕产妇保健服务。

在发表于 JAMA Network Open 的《基于盲扫超声的 AI 孕周评估的泛化能力》一文中，我们评估了用于孕周评估（即妊娠已进展到什么阶段）的 AI 模型在不同临床环境和硬件上的泛化效果。我们此前的研究验证了该模型在同一回顾性队列中未见过的患者身上的表现，该队列也用于模型训练；而这项新的前瞻性研究则表明，在真实诊所中，即使操作人员均为新手、超声设备也不熟悉，且仅进行了极少量微调，该 AI 系统仍能在移动设备上实时可靠地运行。

“孕周基本上就是指女性的妊娠已经进展到什么阶段。我们所有的筛查、许多治疗以及许多分娩指征，都以根据孕周确定的这条核心时间线为依据。”

- Nichole Young-Lin，妇产科医生

评估在不同临床环境中的表现

医疗 AI 系统要在全球范围内安全推广，就必须证明其具备泛化能力——当被引入新的临床环境，面对与模型训练时不同的患者人群、临床工作流程和超声硬件时，仍能保持准确的诊断表现。

在这项研究中，我们仅使用其中一个目标人群的数据对原始 AI 模型进行了极少量微调，随后在两个目标环境中开展了前瞻性测试：

• Northwestern Medicine：位于美国伊利诺伊州芝加哥的一家资源充足的城市学术医疗中心。
• Jacaranda Health： 位于肯尼亚内罗毕的城市社区诊所网络。

该研究用 AI 系统最初使用在 North Carolina 和 Zambia 通过一组 Sonosite、GE 和 Butterfly Networks 商用超声探头采集的超声数据进行训练，随后与商用手持式经腹超声探头 Clarius C3 配合使用。所有这些研究地点在多项诊疗条件上均存在差异，包括孕妇首次接受产前检查的时间、接受常规超声检查的次数，以及通常如何确定孕周。

为评估系统调优的效率，该研究利用了来自 Chicago 的一个包含 120 名参与者的小规模试点数据集，约占原始训练集的 6%，以使模型适配新的探头硬件，并将孕周预测范围扩展至 36 周以上。为了解模型的泛化能力，研究未使用 Nairobi 研究点的任何数据进行微调，确保 Kenya 的临床验证始终是一项严格独立的外部测试。为全面评估实用性，研究还纳入了多胎妊娠病例，这类病例可能给人工操作者和自动化系统都带来追踪和测量方面的挑战。

主要发现：达到专家标准

我们将 AI 系统根据盲扫超声估算胎龄的能力，与基于临床标准专家方法、使用公式进行估算的结果进行了比较。这种专家方法依赖专业超声检查人员定位一个或多个胎儿的多个特定切面，以进行精确的生物测量。这项任务难以规模化开展，需要多年培训，而且高度依赖操作者。

这项诊断研究评估了一个由 385 名孕周在 16 至 36 周之间的参与者组成的主要队列，结果显示 AI 系统表现出色：

• 准确性在临床上具有非劣效性：在两个队列中，AI 模型估算孕周的平均绝对误差（MAE）为 4.18 天，成功证明其不劣于由专业超声检查人员执行的标准临床流程，后者的 MAE 为 4.48 天。
• 跨场景泛化能力：在 Chicago，经过适配的模型实现了 4.10 天的 MAE。在 Nairobi，模型未经任何本地优化，便实现了相近的 4.27 天的 MAE。

除准确性外，探索性指标还表明，该研究用 AI 系统在复杂场景中具有稳健性。例如，在胎儿体重处于极端水平（高于第 90 百分位数）的病例中，该模型的表现优于传统生物测量公式，展现出应对胎儿大小差异的稳健性。

前瞻性部署中获得的经验

这项前瞻性多中心研究不仅凸显了通过 AI 扩大超声检查可及性的巨大机遇，还让我们能够主动观察并优化 AI 在实际临床环境中的表现。通过将系统直接部署到日常临床工作流程中，我们获得了有助于面向现实使用场景进行设计的实践见解。例如，我们观察到，为了在连续接诊患者的间隙保持设备电量，可更换电池比插电式充电底座更为重要。

这些研究还表明，部署这样的 AI 系统也需要与临床医生和患者双方建立深厚的信任。最终实现这一目标的一种重要方式，是在应用中内置明确的保障措施，例如利用模型生成的置信度估计来拒绝质量不佳的扫查，并向临床医生用户传达模型的不确定性。

展望未来：利用 AI 扩大医疗服务的可及性

这些研究结果表明，基于 AI 的系统可以分析由未接受专业超声检查培训的操作人员采集的标准化“盲扫”图像。AI 对胎龄的估算准确度，与目前由专业操作人员使用更昂贵的传统推车式超声设备进行检查的标准诊疗方式相当。验证这类系统在不同临床环境、硬件及不断变化的人群中的技术泛化能力，是凸显其潜力的关键一步，有望让更多人获得这一对孕产妇健康至关重要的检查能力。

这项研究表明，让仅接受少量培训的社区卫生工作者能够开展可靠的超声检查评估，有望将产前保健覆盖范围扩大至资源匮乏地区的数百万人。研究这项可规模化推广技术的能力，为构建更具韧性、更易获得的医疗卫生体系奠定了基础，确保每位母亲无论身处何地，都有机会健康妊娠、安全分娩。

这项即时诊疗研究体现了我们通过 AI 扩大医疗服务可及性这一更广泛愿景的一种潜在应用。从这项研究中获得的见解，为我们下一代多模态医疗智能研究的开展提供了参考。通过持续努力，我们致力于为开发者社区和科学家提供他们所需的答案，以改善临床诊疗，使其惠及所有人并让人人可及。

致谢

感谢来自 Google Research、Jacaranda Health 和西北大学 Feinberg 医学院的共同作者：Chace Lee、Justin Krogue、Anneka Wickramanayake、Stacey Caron、Priscah Cheruiyot、Amber Watters、Alicia Martín、Tiya Tiyasirichokchai、Akib Uddin、Yun Liu、Patricia Strachan、Sunny Jansen、Alyssa Santi、Preeti Singh、Catherine Arguelles、Kenneth Hudson、David Melnick、Mahesh Vaidyanathan、Mozziyar Etemadi、Yossi Matias、Avinatan Hassidim、Greg Corrado、Shruthi Prabhakara、Daniel Golden、Ryan G. Gomes 和 Shravya Shetty。感谢 Pi-Chuan Chang 和 Dale Webster 审阅这项工作。