用于检测胎儿口面裂并提升医学教育水平的人工智能技术

《Nature Communications》：Artificial intelligence for detecting fetal orofacial clefts and advancing medical education

　　

摘要

口面裂是最常见的先天性颅面畸形之一，但由于经验丰富的专家较少且该疾病相对罕见，准确的产前检测仍然面临挑战。早期且可靠的诊断对于及时进行临床干预并降低相关并发症至关重要。本研究表明，一个基于22家医院中9,215名胎儿的45,139张超声图像训练的人工智能系统，其诊断胎儿口面裂的敏感性和特异性分别超过93%和95%，与资深放射科医生的水平相当，远超初级放射科医生。作为医疗辅助工具，该系统可使初级放射科医生的敏感性提高6%以上。除了直接提供诊断帮助外，该系统还有助于加快临床专业技能的提升。一项涉及24名放射科医生和实习生的试点研究显示，该模型能够提升对罕见疾病的诊疗能力。这种双重用途的方法为在资深放射科医生短缺的情况下，提高诊断准确性和培训专业人才提供了可扩展的解决方案。