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

  1. 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。
  2. 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。
  3. 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。
  4. 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

  1. 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。
  2. 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。