新突破!中山一院 AI 模型精准预判胎儿缺氧

近日，中山大学附属第一医院妇产科副主任、主任医师刘斌团队，基于海量临床大数据，成功训练出一套CAP人工智能预测模型。该模型准确率、精准度优于人工判读，可提前预判胎儿窘迫（宫内缺氧）风险，为保障母婴安全提供了重要技术支撑。

胎儿窘迫是指胎儿在子宫内因缺氧危及其健康和生命的综合症状。胎儿窘迫增加了新生儿窒息、新生儿缺血缺氧性脑病、死胎、新生儿死亡的风险，是围分娩期监护的重点。

目前，临床上采用电子胎心监护来预测和诊断胎儿窘迫，但人类判读存在一定主观性。近年来，开始有研究采用人工智能算法进行胎监判读和胎儿缺氧的预测，但存在一些问题：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”，中山大学附属第一医院妇产科副主任、主任医师刘斌组织团队，构建了来自两省三中心的20780例胎监大数据队列，基于多种深度学习算法，训练了胎心监护人工智能预测模型(Cardiotocograpy AI Predictor, CAP)。

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CAP模型比较。与人类专家提供的10571份胎监判读答卷比较，CAP取得了更高AUC (综合准确率0.789 vs 0.715)、F1值 (综合精准度0.651 vs 0.550) 和敏感性 (0.872 vs 0.512)。

进而，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。该研究中，多中心大数据队列提高了模型的稳定性，大范围人机对比证实了模型的优效性，可解释性分析增强了模型的可信度，使得CAP模型相较其他模型具有更广阔的临床应用前景。

刘斌表示，该研究构建的基于大数据、人工智能的胎儿窘迫预测模型，将作为同质化工具为基层医师赋能，对减少胎儿窘迫相关不良预后具有重要意义。

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)。

中山一院妇产科副主任、主任医师刘斌为论文通信作者，林穗雯医师为论文第一作者，妇产科学科带头人王子莲教授对研究团队进行了指导。来自广州市妇女儿童医学中心、三明市第一医院、中山大学附属第六医院、香港中文大学、常州市妇幼保健院、国家超算中心广州中心的专家在数据共享和分析方面给予大力支持。

记者 张漫 通讯员 梁嘉韵

编辑 刘丽莹