世界卫生组织（WHO）估计，全球每年有超过25万人因妊娠相关并发症而死于可预防的情况。虽然产前超声检查能够改善妊娠结局并降低胎儿及孕产妇死亡率，但全球三分之二的人口缺乏获得超声等诊断性医学影像服务的渠道。目前支持孕产妇健康的方法高度依赖专业临床培训，这使得数百万生活在资源匮乏地区的孕妇在整个孕期都无法接受一次超声检查。
我们看到了一个契机，通过开发能够解读"盲扫"超声图像的机器学习系统，来应对这一现实需求。这种扫描方式允许没有经过专业超声培训的一线医护人员，仅通过以标准化模式在腹部滑动低成本便携式超声探头，就能完成扫描。
盲扫序列协议图，按数据采集协议中出现的顺序排列。
由于许多地区面临专业人才的严重短缺，而传统超声医师培训既昂贵又需要多年的时间投入，让这些医护人员以最少的培训完成评估，有潜力大幅扩大产前筛查的覆盖范围。
将最低培训要求与AI解读相结合，最终意味着一款成功开发的工具有潜力提高基于超声的孕期评估的可获得性，从而改善更高质量孕产妇保健的可及性。
在发表于《美国医学会杂志·网络开放》（JAMA Network Open）的论文《基于AI的盲扫超声胎龄评估泛化性研究》中，我们评估了用于胎龄评估（判断孕期进展到了哪个阶段）的AI模型在不同临床环境和硬件设备中的泛化效果。此前的研究已经验证了该模型在其学习所用的同一回顾性队列中未见过的患者身上的表现，而这项新的前瞻性研究则展示了该AI系统在真实诊所中、仅由新手操作员使用不熟悉的超声设备、经过极少微调的情况下，在移动设备上实时运行的可靠表现。
"孕周基本上就是指孕妇怀孕到了哪个阶段。我们所有的筛查、许多治疗方案、许多分娩指征，都是基于从孕周获得的这个主时间线。"
——妇产科医师 妮科尔·杨-林
评估不同临床环境下的表现
要让医疗AI系统能够安全地实现全球规模化应用，它必须展现出泛化能力——即当被引入与训练数据所在环境不同的新临床环境、不同的患者群体、不同的临床工作流程以及不同的超声硬件时，依然能够保持准确的诊断表现。
在这项研究中，我们最初的AI模型仅在一个目标人群上进行了最低限度的调优，随后在两个目标环境中进行了前瞻性测试：
该研究AI系统最初是使用在北卡罗来纳州和赞比亚采集的超声数据训练的，使用了一系列Sonosite、GE和Butterfly Networks商用超声探头，随后与Clarius C3（一款商用手持式经腹探头）配对使用。所有这些站点在护理的多个维度上都存在差异，包括孕妇首次接受产前检查的时间、她们接受常规超声检查的次数，以及通常如何确定孕周。
为了评估系统调优的效率，该研究利用了来自芝加哥的120名参与者的小型试点数据集——约占原始训练集的6%——以使模型适应新的探头硬件，并将孕周预测范围扩展到36周以上。为了解其泛化能力，研究未使用来自内罗毕站点的任何数据进行微调，从而将肯尼亚的临床验证作为严格独立的外部测试。为评估其综合实用性，该研究还纳入了多胎妊娠的案例，这对人工操作员和自动化系统而言都可能带来跟踪和测量方面的挑战。
我们的盲扫模型在1968名参与者（美国北卡罗来纳州和赞比亚）的数据上训练，并在来自美国伊利诺伊州芝加哥的120名参与者的扫描数据上进行了微调。随后，该模型在芝加哥（n=192）和内罗毕（n=193）进行了前瞻性测试，且未对内罗毕的数据进行任何微调。在这两个环境下，该模型在孕周判定方面均不劣于专家超声医师，综合平均绝对误差为4.18天，而专家为4.48天。
关键发现：达到专家水准
我们将该AI系统通过盲扫超声估算胎龄的能力，与基于公式的临床标准专家方法进行了对比。这种专家方法依赖于专业超声医师定位胎儿（或多胎）的多个特定横截面以进行精确的生物测量，这项任务难以规模化，需要多年培训，且高度依赖操作员的个人水平。
该诊断性研究对385名孕16至36周的参与者组成的主要队列进行评估，结果显示该AI系统取得了出色的成绩：
该AI系统的胎龄误差（平均绝对误差4.18天）不劣于专家超声医师的生物测量结果（4.48天），并且从芝加哥（4.10天）到内罗毕（4.27天）保持了一致性，而该模型在内罗毕并未进行过本地微调。
除了准确性之外，探索性指标显示该研究AI系统在复杂场景中具有韧性。例如，在胎儿体重极端（高于第90百分位）的情况下，该模型的表现超过了传统的生物测量公式，展现出应对胎儿体型差异的稳健性。
前瞻性部署中获得的经验
除了凸显通过AI扩大超声可及性的巨大机遇之外，这项多中心前瞻性研究还让我们能够主动观察并优化AI在真实临床环境中的表现。通过将该系统直接部署到日常临床工作流程中，我们获得了有助于指导实际应用设计的实践性认知。例如，我们发现在连续为多名患者服务的间隔中，可更换电池比插电式充电座更能保证设备持续供电。
这些研究还表明，部署这类AI系统最终也需要与临床医生和患者建立深厚的信任。实现这一目标的一种重要方式，是在应用程序中构建清晰的安全保障机制，比如由我们的模型生成的置信度估计，用于剔除质量不佳的扫描图像，并向临床使用者传达模型的不确定性。
展望未来：以AI扩大医疗可及性
这些研究结果表明，基于AI的系统能够分析由未经专业超声培训的操作员采集的标准化"盲扫"图像。该AI对胎龄的估算精度，可与当前由专家操作员使用更昂贵的传统推车式超声设备所提供的标准护理水平相媲美。该系统在不同临床环境、硬件设备以及变化的人群中展现出的技术泛化能力，标志着在扩大这一孕产妇健康关键能力可及性方面迈出了重要一步。
通过赋能经过最低限度培训的社区卫生工作者进行可靠的超声评估，这项研究展示了在资源匮乏地区为数百万人扩大产前检查覆盖范围的潜力。研究这种可规模化技术的能力，为建设更具韧性、更易获取的医疗系统奠定了基础，确保每一位母亲，无论身处何地，都有机会拥有健康的孕期和安全的分娩。
这项针对医疗现场的研究，代表了我们通过AI扩大医疗可及性这一更宏大愿景的一次潜在应用实践。从这项研究中获得的洞见，将为我们下一代多模态医学智能研究的开发提供指导。通过我们持续开展的工作，我们致力于为开发者社区和科学家们提供他们所需的答案，以改善临床护理，并使其对所有人都更有帮助、更易获取。
致谢
感谢我们来自谷歌研究院、Jacaranda Health以及西北大学费恩伯格医学院的合著者们：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对本研究的审阅。
