在全球，每年约有53万新生儿死亡和140万新生儿缺血缺氧性脑病与胎儿缺氧有关。长期以来，临床通过胎心监护来预测产时胎儿缺氧，但这一方法依赖医生经验判断，存在一定的局限性。近日，中山大学附属第一医院妇产科副主任刘斌主任医师团队，研发了一个胎心监护人工智能预测模型，并且在超过一万份的“人机大战”答卷验证中证明，该模型判断的准确性已超越人类专家。
据刘斌教授介绍，胎儿缺氧是分娩过程中的危急状况。目前，产科医生主要通过分析胎心监护曲线上的基线、变异、加速、减速等特征来判断胎儿是否缺氧，但人眼判读存在一定局限性。近年来，逐渐有研究开始采用人工智能算法进行胎监判读和胎儿缺氧的预测，但也存在一些问题：一是缺乏大规模的人机比较，无法证实算法优越性；二是算法不具备可解释性，限制了临床可信度。
为解决上述临床“痛点”，由中山一院刘斌团队牵头，联合广州市妇女儿童医学中心、三明市第一医院，构建了20780例胎监大数据队列，研发了基于多种深度学习算法训练的胎心监护人工智能预测模型。为了证实该模型的表现，研究团队通过线上平台，组织来自全国的妇产科医师和助产士进行胎监判读并与模型比较，共形成10571份胎监判读答卷。比较结果显示，模型取得了更高AUC（0.789 vs 0.715）、F1值（0.651 vs 0.550）和敏感性（0.872 vs 0.512）。
对医学而言，一个模型的可靠性不仅取决于预测的准确性，更在于其判断依据是否有坚实的医学知识作为支撑，即“知其然，更须知其所以然”。研究团队对深度学习模型进行了可解释性分析，发现模型通过深度学习定位的“热点区域”是胎心变异减速、延长减速等临床公认的与胎儿缺氧密切相关的特征。
该模型相关研究以“Artificial Intelligence Based Prediction of Fetal Hypoxia: A Multicenter Model Development and Nationwide AI-Human Comparison”为题，发表于国际知名期刊BMC Medicine（IF:8.3，中科院一区）。刘斌教授表示，下一步将对模型进行整合优化，并开展前瞻性临床研究，尽早投入临床使用。
采写：南都N视频记者 王诗琪 通讯员 梁嘉韵
热门跟贴