Google Research 评估 AI 盲扫超声孕周估计的跨诊所泛化表现

世界卫生组织（WHO）估计，全球每年有超过250,000例因妊娠相关并发症导致的可预防死亡。虽然产前超声可以改善结局并降低胎儿和孕产妇死亡率，但全球三分之二的人无法获得超声等诊断性医学影像。目前支持孕产妇健康的方法严重依赖专业临床培训，使资源匮乏地区的数百万人在整个妊娠期间无法接受哪怕一次超声检查。

我们看到了一个开展研究以应对这一现实需求的机会，即开发能够解读“盲扫”超声的机器学习系统。这种扫描方式使未经专业超声培训的一线医护人员只需按照标准化模式，将低成本便携式超声探头在腹部滑过即可完成扫描。

由于许多地区面临专家严重短缺，而传统超声技师培训既昂贵又需要多年投入，使这些医护人员能够在最少培训下进行评估，有望显著扩大产前筛查覆盖范围。

将最低培训要求与人工智能解读相结合，最终可能意味着成功开发出一种工具，有望提高基于超声的妊娠评估的可及性，从而改善获得更高质量孕产妇保健的机会。

在“使用盲扫超声进行基于人工智能的孕龄评估的泛化”（发表于JAMA Network Open）中，我们评估了一种用于孕龄评估（妊娠进展到何种程度）的人工智能模型在不同临床环境和硬件上的泛化效果。虽然我们的先前研究验证了该模型在其学习所依据的同一回顾性队列中未见患者上的表现，但这项新的前瞻性研究展示了该人工智能系统如何在真实诊所中仅由新手操作者使用不熟悉的超声设备、并仅进行最少微调的情况下，在移动设备上实时可靠运行。

“孕龄基本上就是女性妊娠进展到何种程度。我们所有的筛查、许多治疗以及许多分娩指征，都基于从孕龄得出的这条主时间线。”

- Nichole Young-Lin，妇产科医师

在不同临床环境中评估表现

要使医疗人工智能系统能够安全地在全球扩展，它必须展现泛化能力——即在被引入患者群体、临床工作流程和超声硬件均与模型训练时不同的新临床环境时，仍能保持准确的诊断表现。

在本研究中，我们的原始人工智能模型仅在其中一个目标人群上进行了最少调优，随后在两个目标环境中进行了前瞻性测试：

Northwestern Medicine：美国伊利诺伊州芝加哥的一家城市高资源学术医疗中心。
Jacaranda Health: 肯尼亚内罗毕的一家城市社区诊所网络。

该研究AI系统最初基于在北卡罗来纳州和赞比亚采集的超声数据进行训练，所用探头为一组Sonosite、GE和Butterfly Networks商用超声探头，随后与商用手持经腹探头Clarius C3配对。所有这些地点在多项护理维度上各不相同，包括女性首次前来接受产前护理的时间、她们接受常规超声检查的次数，以及孕龄通常如何测定。

为评估高效的系统调优，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%——以使模型适配新的探头硬件，并将孕龄预测范围扩展到36周以上。为了解泛化能力，未使用内罗毕站点的任何数据进行微调，从而使肯尼亚临床验证保持为严格独立的外部测试。为评估综合效用，该研究还纳入了多胎妊娠，这类情况可能给人工操作者和自动化系统都带来追踪与测量方面的挑战。

主要发现：达到专家标准

我们将AI系统根据盲扫超声估计胎龄的能力，与临床标准专家方法基于公式的估计进行了比较。这种专家方法依赖于专业超声医师定位胎儿的多个特定切面以进行精确的生物测量，这是一项难以规模化的任务，需要多年培训，且高度依赖操作者。

在对385名孕16至36周参与者组成的主要队列进行评估时，这项诊断研究表明AI系统取得了强劲结果：

临床非劣效准确性：在两个队列中，AI模型估计孕龄的平均绝对误差（MAE）为4.18天，成功证明其不劣于由专家超声医师执行的标准临床程序，后者的MAE为4.48天。
跨场景泛化：在芝加哥，适配后的模型MAE为4.10天。在内罗毕，在完全没有本地优化的情况下，模型取得了相当的MAE，为4.27天。

除准确性之外，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，在胎儿体重极端情况（高于第90百分位）下，该模型优于传统生物测量公式，表明其对胎儿体型差异具有稳健性。

前瞻性部署期间的经验教训

除了凸显通过AI扩大超声可及性的巨大机遇之外，这项前瞻性多中心研究还使我们能够主动观察并优化AI在真实临床环境中的表现。通过将我们的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真实世界使用进行设计的实用洞见。例如，我们观察到，与插入式充电底座相比，可更换电池对于在连续接诊患者之间保持设备电量更为重要。

这些研究还表明，部署此类AI系统还需要与临床医生和患者建立深厚信任。最终实现这一点的一个重要方式，是在应用中内置明确的保障措施，例如由我们的模型生成的模型置信度估计，用以拒绝质量不佳的扫查，并向临床用户传达模型的不确定性。

展望未来：借助AI扩大医疗服务可及性

这些研究结果表明，基于人工智能的系统能够分析由未经专业超声培训的操作人员采集的标准化“盲扫”图像。人工智能对胎龄的估计准确度，与专家操作人员以及更昂贵的传统推车式超声设备所达到的现行护理标准相当。在多样化的临床环境、硬件和不断变化的人群中证明技术可推广性，标志着在凸显其扩大这一关键孕产妇健康能力可及性的潜力方面迈出了关键一步。

通过赋能仅接受最低限度培训的社区卫生工作者开展可靠的超声评估，这项研究展示了为资源不足地区数百万人扩大产前覆盖的潜力。研究这项可扩展技术的能力，为构建更具韧性、更可及的医疗体系奠定了基础，确保每一位母亲无论身处何地，都有机会拥有健康的妊娠和安全的分娩。

这项即时医疗研究代表了我们通过人工智能扩大医疗可及性这一更广泛愿景的一项潜在应用。从这项研究中获得的洞见，为我们下一代多模态医学智能研究的开发提供了依据。通过持续的工作，我们努力为开发社区和科学家提供他们改进临床护理、并使其对所有人都有帮助且可及所需的答案。

致谢

感谢我们来自 Google Research、Jacaranda Health 和 Northwestern University Feinberg School of Medicine 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。