Google Research 發表多中心前瞻研究：AI 盲掃超音波讓非專科人員達專家級胎齡評估精度

Google Research 與 Google for Health 發表多中心前瞻研究，評估 AI 盲掃超音波（blind sweep ultrasound）能否讓非超音波專科人員，以低成本手持探頭完成專家級胎齡評估。盲掃方式是操作者以標準化路徑在腹部滑動探頭，不需多年的超音波師訓練。研究成果刊登於 JAMA Network Open。 研究背景上，WHO 估計每年有超過 25 萬例可預防的妊娠相關死亡，全球約三分之二的人無法取得影像診斷服務。傳統胎齡評估依賴專家在胎兒多個切面量測生物計量值，難以擴大規模，且結果高度依賴操作者。 此研究的模型原先以北卡羅來納州與尚比亞的資料訓練，使用 Sonosite、GE、Butterfly Networks 等商用探頭。前瞻測試時，模型搭配 Clarius C3 手持探頭，在行動裝置上即時運行，由新手操作者進行掃描。測試地點包括芝加哥的 Northwestern Medicine（都會型高資源學術醫療中心）與奈洛比的 Jacaranda Health（都會社區診所網路）。兩地在首次產前檢查時機、常規超音波次數與胎齡計算方式上皆有差異。 調校方面，團隊僅使用芝加哥 120 名受試者的小型試點資料（約為原訓練集的 6%），以適應新探頭並將胎齡預測範圍延伸至 36 週以上。奈洛比資料完全未用於微調，以作為獨立外部測試。研究也納入多胞胎妊娠，此類情境對人工與自動系統的追蹤和量測都具挑戰。 主要研究包含 385 名孕期 16 至 36 週的受試者。整體平均絕對誤差為 4.18 天，非劣於專家超音波師的 4.48 天。分地區來看，芝加哥為 4.10 天，奈洛比在未經本地最佳化下為 4.27 天。探索性指標顯示，在胎兒體重極端值（超過第 90 百分位）的情況下，模型表現優於傳統生物計量公式。 研究團隊表示，前瞻多中心試驗也讓他們觀察並最佳化 AI 在真實臨床環境中的運作。