廣東
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.
