2026年3月,美国FDA通过De Novo路径,正式批准了一款基于超声影像的AI分娩日期预测系统[1]。
这是全球首个无需传统胎儿生物测量,直接从超声图像推算妊娠周数与预产期的云端AI软件,标志着产科影像分析正式从测量驱动迈向数据驱动的全新阶段。
FDA重磅批准:AI正式进入产科核心诊断
此次获批的Ultrasound AI公司“Delivery Date AI”系统,打破了产科胎龄估算的传统模式。
不同于以往依赖头围、股骨长度等生物测量参数的方式,该系统可直接通过超声图像完成预测,成为AI从辅助工具走向核心诊断的关键一步。

来源:GeneOnline News
这一批准不仅是技术上的突破,更在监管与临床层面具有重要意义。De Novo审批路径印证了此类AI产科产品属于全新品类,无现成分类可参考;而临床端的应用,意味着AI开始深度参与分娩日期判断、妊娠周数估算等核心诊疗决策,为产科诊疗流程带来根本性改变。
与此同时,另一款AI超声系统也于2026年获FDA许可,能在2分钟内自动完成胎龄估算,足见AI产科影像赛道已进入成熟落地期[2]。

来源:Reuters
技术破局:从测量胎儿到读懂影像
长期以来,临床估算胎龄主要依靠末次月经记忆与超声生物测量,但两种方式都存在明显局限:末次月经高度依赖孕妇记忆,误差难以避免;超声生物测量则受操作者经验影响,且妊娠晚期误差可达±2-4周,给临床决策带来困扰[3]。

来源:Nature
AI超声预测技术的核心突破,在于实现了从测量胎儿结构到识别整体发育模式的转变。基于200万+超声图像训练的深度学习模型,无需标准切面、无需人工测量,可从任意角度超声图像甚至视频流中,直接完成胎龄预测。
据2025年发表于《npj Digital Medicine》的研究数据,该AI技术在中孕期的预测误差仅1.7-2.8天,远优于传统方法±7-10天的精度。同时,系统还能自动评估图像质量、给出预测不确定性,大幅降低了操作门槛[4]。

来源:Nature
临床价值:精准之外,让孕产医疗更可及
AI超声分娩日期预测的价值,绝不仅限于更精准,更在于推动孕产医疗的公平性与可及性。
首先,AI能有效消除人为操作与经验差异带来的误差,提升不同医疗机构、不同医生诊断结果的一致性,让胎龄估算更标准化。
其次,该技术对操作者专业要求低,即便非专业人员采集的超声图像也能完成精准预测,这对于医疗资源匮乏的发展中国家、农村及偏远地区而言,无疑是重大利好,让基层孕产妇也能享受到高精度的产科诊疗服务。
更关键的是,精准的胎龄判断直接关系到早产、过期产的判定,胎儿生长受限的诊断,以及分娩时机的选择,AI通过缩小误差范围,能显著提升这些关键临床决策的可靠性,为母婴安全保驾护航。
行业趋势:产科AI迈向规模化落地
随着技术与数据的双重突破,产科AI正迎来规模化落地的新阶段。当下行业呈现三大清晰趋势:一是训练数据从数千例拓展至数百万例,数据规模直接驱动模型性能持续跃迁;二是AI从单一胎龄预测,向胎儿生长异常判断、胎位识别、结构异常检测等多任务延伸;三是便携式超声设备与AI深度融合,实现床旁诊断、移动医疗与远程产科服务,打通诊疗最后一公里。
此次AI超声分娩日期预测技术获FDA批准,是全球孕产健康领域的标志性事件。它不仅刷新了产科影像的精度与效率,更以低门槛、高可及性的特性,为全球孕产医疗公平注入新动力。
未来,随着数据不断完善、算法持续优化、监管与临床适配逐步成熟,这类AI技术有望成为产科诊疗的标准配置,从胎龄预测延伸至全周期母婴健康管理,让智能科技真正守护每一位孕产妇与胎儿的健康。
参考文献:
[1]Reuters. (2026). Butterfly Network gets FDA clearance for AI ultrasound pregnancy tool.
[2]https://www.reuters.com/business/healthcare-pharmaceuticals/butterfly-network-gets-fda-clearance-ai-ultrasound-pregnancy-tool-2026-03-30/?utm_source=chatgpt.com.
[3]Lee, L. H., Bradburn, E., Craik, R., Yaqub, M., Norris, S. A., Ismail, L. C., ... Papageorghiou, A. T. (2023). Machine learning for accurate estimation of fetal gestational age based on ultrasound images. npj Digital Medicine, 6, 36.
[4]Benson, M., Walton, S., Hartley, T., Meagher, S., Seshadri, S., Sleep, N., & Papageorghiou, A. T. (2025). Fetal gestational age estimation using artificial intelligence on non-targeted ultrasound images and video. npj Digital Medicine, 8, 700.
夜雨聆风