AI 助力胎儿畸形超声筛查：显著增效减负，提升诊断价值

为评估 AI 对胎儿超声扫描在诊断性能、生物测量、扫描时长及超声医师认知负荷方面的影响，研究人员开展了一项随机、单中心、开放标签试验。结果显示 AI 辅助扫描省时、减轻认知负荷且不降低诊断性能，为胎儿超声检查提供新方向。

　　背景：人工智能（AI）在提升胎儿畸形超声筛查表现方面展现出潜力。本研究旨在评估 AI 对胎儿超声扫描在诊断性能、生物测量、扫描时长以及超声医师认知负荷等方面的影响。
方法：这是在一家大型教学医院进行的随机、单中心、开放标签试验。招募了怀有先天性心脏病（CHD）胎儿的孕妇和怀有健康胎儿的孕妇，用两种方法进行扫描。从地区医院招募超声医师，随机分配使用 AI 工具或标准方法进行扫描，且对胎儿 CHD 状态不知情。在 AI 辅助扫描中，AI 模型识别并保存 13 个标准图像平面，测量四项生物指标（但不自动诊断 CHD）。主要结局是扫描的诊断性能；次要结局是扫描时长、超声医师认知负荷以及生物测量表现。
结果：共招募 78 名孕妇（26 名胎儿患有 CHD）和 58 名超声医师。AI 辅助扫描检测胎儿畸形的敏感性和特异性分别为 88.9% 和 98.0%，标准扫描的敏感性和特异性分别为 81.5% 和 92.2%（敏感性比例差异为 7.4%，97.5% 置信区间 [CI] 为 - 15.9 至 30.7%；特异性比例差异为 5.9%，97.5% CI 为 - 3.8 至 15.5%）。AI 辅助扫描时长比标准扫描短（中位数 11.4 分钟 vs. 19.7 分钟，平均差异的 95% CI 为 7.4 至 11.1）。AI 辅助组超声医师的认知负荷更低（美国国家航空航天局任务负荷指数 [NASA TLX] 评分中位数 35.2 vs. 46.5，平均差异的 95% CI 为 4.6 至 15.4）。对于所有生物指标，AI 的重复性和再现性均优于手动测量。试验期间未观察到不良事件。
结论：在常规胎儿畸形超声扫描中使用 AI 辅助，可显著节省时间、降低超声医师认知负荷，且不会降低诊断性能。（本研究由英国国家卫生与临床优化研究所博士奖学金 [NIHR301448] 等资助；ISRCTN 编号：65824874。）