![]()
在全球,每年約有53萬新生兒死亡和140萬新生兒缺血缺氧性腦病與胎兒缺氧有關。長期以來,臨床通過胎心監(jiān)護來預測產時胎兒缺氧,但這一方法依賴醫(yī)生經驗判斷,存在一定的局限性。近日,中山大學附屬第一醫(yī)院婦產科副主任劉斌主任醫(yī)師團隊,研發(fā)了一個胎心監(jiān)護人工智能預測模型,并且在超過一萬份的“人機大戰(zhàn)”答卷驗證中證明,該模型判斷的準確性已超越人類專家。
據(jù)劉斌教授介紹,胎兒缺氧是分娩過程中的危急狀況。目前,產科醫(yī)生主要通過分析胎心監(jiān)護曲線上的基線、變異、加速、減速等特征來判斷胎兒是否缺氧,但人眼判讀存在一定局限性。近年來,逐漸有研究開始采用人工智能算法進行胎監(jiān)判讀和胎兒缺氧的預測,但也存在一些問題:一是缺乏大規(guī)模的人機比較,無法證實算法優(yōu)越性;二是算法不具備可解釋性,限制了臨床可信度。
為解決上述臨床“痛點”,由中山一院劉斌團隊牽頭,聯(lián)合廣州市婦女兒童醫(yī)學中心、三明市第一醫(yī)院,構建了20780例胎監(jiān)大數(shù)據(jù)隊列,研發(fā)了基于多種深度學習算法訓練的胎心監(jiān)護人工智能預測模型。為了證實該模型的表現(xiàn),研究團隊通過線上平臺,組織來自全國的婦產科醫(yī)師和助產士進行胎監(jiān)判讀并與模型比較,共形成10571份胎監(jiān)判讀答卷。比較結果顯示,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)。
對醫(yī)學而言,一個模型的可靠性不僅取決于預測的準確性,更在于其判斷依據(jù)是否有堅實的醫(yī)學知識作為支撐,即“知其然,更須知其所以然”。研究團隊對深度學習模型進行了可解釋性分析,發(fā)現(xiàn)模型通過深度學習定位的“熱點區(qū)域”是胎心變異減速、延長減速等臨床公認的與胎兒缺氧密切相關的特征。
該模型相關研究以“Artificial Intelligence Based Prediction of Fetal Hypoxia: A Multicenter Model Development and Nationwide AI-Human Comparison”為題,發(fā)表于國際知名期刊BMC Medicine(IF:8.3,中科院一區(qū))。劉斌教授表示,下一步將對模型進行整合優(yōu)化,并開展前瞻性臨床研究,盡早投入臨床使用。
采寫:南都N視頻記者 王詩琪 通訊員 梁嘉韻
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.