基于人工智能的模型检测怀孕中看不见的风险组合

　　

一项基于人工智能的新分析对近1万例妊娠进行了分析，发现了与严重负面妊娠结果（包括死胎）相关的一些以前未被识别的风险因素组合。

该研究还发现，目前在临床指导方针下接受相同治疗的婴儿，其风险可能高达10倍。

该研究的资深作者、医学博士内森·布鲁（Nathan Blue）表示，研究人员创建的人工智能模型帮助确定了与高风险相关的“真正意想不到的”因素组合，该模型是迈向更个性化的风险评估和妊娠护理的重要一步。

新的研究结果发表在《BMC妊娠与分娩》杂志上。

意想不到的风险

研究人员从全国9558例怀孕的现有数据集开始，其中包括有关社会和身体特征的信息，从孕妇的社会支持水平到血压、病史、胎儿体重，以及每次怀孕的结果。通过使用人工智能在数据中寻找模式，他们确定了与死产等不健康妊娠结果相关的孕产妇和胎儿特征的新组合。

通常情况下，女胎儿比男胎儿并发症的风险略低——这是一个很小但已经得到证实的效应。但研究小组发现，如果孕妇已经患有糖尿病，那么女性胎儿比男性胎儿的风险更高。

犹他大学斯宾塞·福克斯·埃克尔斯医学院妇产科助理教授布鲁说，这种以前未被发现的模式表明，人工智能模型可以帮助研究人员了解有关妊娠健康的新知识。

“它检测到一些可以用来通知风险的东西，即使是真正灵活、经验丰富的临床医生的大脑也没有意识到。”这项研究的资深作者Nathan Blue博士说。

研究人员特别感兴趣的是为体重最低的10%的胎儿制定更好的风险评估，而不是最低的3%。这些婴儿小到令人担忧，但又大到通常非常健康。在这些情况下，找出最佳的行动方案是具有挑战性的：怀孕是否需要密切监测并可能提前分娩，或者怀孕是否可以基本正常进行？目前的临床指南建议对所有此类怀孕进行密切的医疗监测，这可能带来重大的情感和经济负担。

但研究人员发现，在这个胎儿体重级别内，不健康妊娠结果的风险差异很大，从不高于平均妊娠风险到接近平均风险的十倍。风险是基于胎儿性别、是否存在糖尿病、是否存在心脏缺陷等胎儿异常等因素的组合。

Blue强调，这项研究只发现了变量之间的相关性，并没有提供导致负面结果的实际原因的信息。

Blue说，医生的直觉支持了大范围的风险；有经验的医生知道，许多低体重胎儿是健康的，他们会使用许多额外的因素对风险和治疗做出个性化的判断。但人工智能风险评估工具可以提供比这种“直觉检查”更重要的优势，帮助医生提出明智、可重复和公平的建议。

人工智能

对于人类或人工智能模型来说，估计怀孕风险需要考虑从孕产妇健康到超声波数据等大量变量。经验丰富的临床医生可以权衡所有这些变量，做出个性化的护理决定，但即使是最好的医生也可能无法准确量化他们是如何做出最终决定的。偏见、情绪或睡眠不足等人为因素几乎不可避免地混入其中，并可能微妙地使判断偏离理想的护理。

为了帮助解决这个问题，研究人员使用了一种称为“可解释的人工智能”的模型，该模型为用户提供了一组给定怀孕因素的估计风险，还包括哪些变量对风险估计的影响以及影响程度的信息。与更熟悉的“封闭盒子”人工智能不同，即使是专家也在很大程度上无法理解，可解释的模型“展示了它的工作”，揭示了偏见的来源，以便解决它们。

从本质上讲，可解释的人工智能接近于专家临床判断的灵活性，同时避免了其缺陷。研究人员的模型也特别适合于判断罕见妊娠情况的风险，准确估计具有独特风险因素组合的人的结果。这种工具最终可以通过指导那些情况独一无二的人做出明智的决定来帮助个性化护理。

研究人员仍然需要在新的人群中测试和验证他们的模型，以确保它可以预测现实世界中的风险。但Blue希望，一种可解释的基于人工智能的模型最终可以帮助个性化怀孕期间的风险评估和治疗。他说：“人工智能模型基本上可以估计出特定于特定情境的风险，而且它们可以透明地、可重复地做到这一点，这是我们的大脑无法做到的。”

他说：“这种能力将在我们的整个领域带来变革。”