胎儿宫内缺氧（胎儿窘迫）是分娩期常见风险，也是导致新生儿不良结局的重要原因。临床上，医生依靠胎心监护判断胎儿缺氧状况，但人工判读高度依赖医生的经验，成为产科临床实践中的一大痛点。
日前，中山一院妇产科副主任刘斌团队成功开发胎心监护人工智能预测模型，借助多中心大数据实现了更精准的胎儿缺氧预测，相关研究成果已发表于国际知名期刊BMC Medicine。
胎儿的氧气依赖母体通过子宫、胎盘、脐带供给，分娩过程中子宫收缩会短暂减少胎盘血供，进而可能引发胎儿缺氧。数据显示，全球每年230万新生儿死亡案例中，有23%与胎儿缺氧直接相关。刘斌指出，当前临床判断胎儿缺氧主要依靠医生分析胎心监护图，但人工判读对临床经验要求较高，不同医生对同一份胎监图的判断结果可能存在分歧。
此前虽有AI胎监判读的相关研究，但大多存在两大短板：一是未开展大规模人机对比，无法证明AI判读精度优于医生；二是AI模型属于“黑箱”操作，仅给出结果却不说明判断依据，难以获得临床医生的信任。
针对这些问题，刘斌团队联合广州市妇女儿童医学中心、三明市第一医院，搭建起覆盖两省三中心、包含20780例胎监数据的大数据队列，并以此为基础训练出CAP人工智能预测模型。
为验证模型性能，团队还通过线上平台组织全国各省市的产科医生、助产士完成10571份胎监判读答卷，形成超10万条判读数据，与CAP模型展开对比测试。结果显示，该人工智能模型的判读准确性更高、速度更快。
同时，为打破AI“黑箱”困境，刘斌团队对模型进行了可解释性分析，结果表明AI判断宫内缺氧的核心指标，与临床医生常用的判别指标高度一致，符合胎儿缺氧的病理生理学改变，这也验证了模型判断的合理性。
刘斌介绍，未来该模型嵌入医院系统后，可同步显示胎监曲线与胎儿缺氧风险值，辅助医生快速作出判断。同时，模型还能作为标准化工具，提升基层医院胎监判读的准确性。目前团队仍在持续优化模型，计划整合多种算法筛选最优方案，并开展前瞻性临床研究，推动模型早日落地临床、服务患者。
（来源：南方日报）