一项新的基于人工智能（AI）的分析研究了近10,000个妊娠案例，发现了之前未被识别的风险因素组合，这些组合与死产和其他严重的不良妊娠结局相关联。该研究还发现，目前在临床指南下接受相同治疗的婴儿之间的风险差异可能高达十倍。
资深作者、犹他大学医学院教授Nathan Blue表示，研究人员生成的人工智能模型帮助识别了一些“非常意外”的高风险因素组合，这一步骤对于更个性化的风险评估和妊娠护理至关重要。新结果已发表在《BMC Pregnancy and Childbirth》上。
跨学科研究团队从一个全国范围内的现有数据集中开始，该数据集包含了9,558个妊娠案例的信息，涵盖了孕妇的社会和身体特征，从孕妇的社会支持水平到血压、病史和胎儿体重，以及每个妊娠的结果。通过使用AI寻找数据中的模式，他们识别出了新的母体和胎儿特征组合，这些组合与不健康的妊娠结局（如死产）相关联。
通常情况下，女性胎儿的并发症风险略低于男性胎儿——这是一种小但已经确立的影响。然而，研究团队发现，如果怀孕的母亲患有既往糖尿病，那么女性胎儿的风险反而高于男性胎儿。
这种以前未被检测到的模式表明，AI模型可以帮助研究人员了解有关妊娠健康的新知识。Blue是妇产科助理教授，他表示：“它检测到了一些可以用来评估风险的因素，即使是经验丰富的临床医生也可能未能识别。”
意外风险
“它发现了某些因素，这些因素可以用来评估风险，而这些因素甚至连最灵活、最有经验的临床医生也未能识别。”他说。
研究人员特别关注的是体重排在最低10%但不在最低3%的胎儿。这些婴儿虽然体重较小，但仍足以通常是健康的。如何在这种情况下确定最佳行动方案是一个挑战：妊娠是否需要密集监测甚至提前分娩，还是可以按常规进行？当前的临床指南建议对所有此类妊娠进行密集医疗监测，这可能会带来显著的情感和经济负担。
然而，研究人员发现，在这个胎儿体重类别中，不健康妊娠结局的风险差异很大，从与普通妊娠无异到接近普通妊娠风险的十倍不等。风险取决于多种因素的组合，例如胎儿性别、是否存在既往糖尿病以及是否存在胎儿异常（如心脏缺陷）。
Blue强调，这项研究仅检测了变量之间的相关性，并未提供导致负面结果的实际原因。
广泛的风险范围得到了医生直觉的支持；经验丰富的医生意识到许多低体重胎儿是健康的，并会使用许多额外因素做出关于风险和治疗的个性化判断。但AI风险评估工具可以提供比“直觉”更重要的优势，帮助医生做出有据可依、可重复且公平的建议。
为什么选择人工智能
无论是人类还是AI模型，评估妊娠风险都涉及到考虑大量变量，从母亲的健康状况到超声波数据。经验丰富的临床医生可以根据所有这些变量做出个性化的护理决策，但即使是最好的医生也无法量化他们是如何得出最终决定的。人为因素如偏见、情绪或睡眠不足几乎不可避免地会影响判断，从而偏离理想的护理。
为了解决这个问题，研究人员使用了一种称为“可解释AI”的模型，该模型不仅提供了给定妊娠因素的估计风险，还包括哪些变量贡献了风险估计以及其贡献程度的信息。与更为熟悉的“黑箱”AI不同，后者即使对专家来说也是难以理解的，可解释模型“展示了其工作原理”，揭示了偏差的来源，以便加以解决。
本质上，可解释AI模拟了专家临床判断的灵活性，同时避免了其缺点。研究人员的模型特别适合评估罕见妊娠场景的风险，能够准确估计具有独特风险因素组合的人群的结局。这种工具最终可以通过指导个性化决策来帮助那些情况独一无二的人。
研究人员仍需在新人群中测试和验证他们的模型，以确保其能够在现实世界中预测风险。但Blue乐观地认为，基于可解释AI的模型最终可以帮助个性化妊娠的风险评估和治疗。
“AI模型可以基本上估计特定于个人背景的风险，并且可以透明且可重复地做到这一点，而这正是我们的大脑无法做到的，”他说。“这种能力将对我们的领域产生变革性影响。”
(全文结束)
