孕11-13周非靶向超声扫查AI实时估测胎龄的准确性
本研究纳入285例自然受孕单胎妊娠,在11+0至13+6周常规超声中由AI系统对非靶向实时扫查进行胎龄估测,并与两名超声医师独立测量的CRL胎龄比较。AI胎龄估测的中位获取时间为23秒,平均绝对误差为2.0天,较CRL测量的精度更低;经测量误差模型校正后AI的MAE为1.6天。
要点
- AI对非靶向实时超声扫查可在中位23秒内完成胎龄估测,成功率为100%。
- AI胎龄估测误差较有经验超声医师的CRL测量更大,尚不能替代标准CRL测量。
- AI重复测量可降低MAE,且未发现BMI或种族对AI表现的显著影响。
核心结论
- AI对孕11-13周非靶向超声扫查的胎龄估测表现良好,但精度低于有经验超声医师的CRL测量。
- 测量误差模型校正CRL测量变异后,AI胎龄估测的MAE为单次1.8天、两次均值1.6天,优于简单比较结果。
- AI测量的主要误差来源为操作者内变异,提示其整体精度不及CRL的重复性和稳定性。
研究设计与样本
- 观察性研究,纳入2025年7-8月英国伦敦King's College Hospital常规11-13周检查的285例自然受孕单胎妊娠。
- 使用GE Voluson S10或E22超声系统,经腹或经阴道扫查,由45名FMF认证超声医师测量CRL,其中32名同时操作AI。
- AI系统为GE Healthcare深度学习模型,通过平板设备接收经腹扫查实时视频信号,每例重复2次估测。
- 每例获得2次独立CRL测量和2次AI胎龄估测,采用MAE、Bland-Altman分析及贝叶斯层次测量误差模型评估一致性。
关键影像表现/征象
- AI系统在非靶向实时超声扫查中无需冻结图像或优化标准切面,仅需扫查胎儿位置、心搏和宽范围切面即可输出胎龄。
- AI两次胎龄估测间MAE为1.4天,组内相关系数为0.88(95% CI,0.85-0.90),显示较高的重复性。
- Bland-Altman分析显示AI胎龄估测的一致限宽于CRL测量的一致限,提示AI估测精度较低。
诊断标准与关键数值
- AI与CRL胎龄估测的MAE为首次AI测量2.1天(95% CI,1.9-2.3),第二次AI测量2.2天(95% CI,2.0-2.3),两次均值2.0天(95% CI,1.8-2.1)。
- 90%的病例中AI与CRL胎龄估测的绝对误差在4.0天以内(使用两次AI均值)。
- 测量误差模型下AI胎龄估测MAE为单次1.8天、两次均值1.6天(含方法效应),不含方法效应时单次1.2天、两次均值0.8天。
- CRL总测量误差SD为0.983天,AI总测量误差SD为1.462天(不含方法效应),提示CRL测量精度更高。
临床应用与阅片要点
- AI胎龄估测可用于快速初筛或辅助场景,但日常产前检查中仍应以有经验医师的CRL测量为胎龄判定标准。
- AI仅需非定向实时扫查即可完成胎龄估测,无需获取标准正中矢状切面,对操作者技术要求相对较低。
- AI重复测量两次并取均值可小幅降低MAE,在AI辅助流程中可考虑重复测量策略。
- 阅片时需注意AI胎龄估测的变异主要来自同一操作者的重复测量差异,而非不同操作者之间的差异。
局限性
- 本研究排除了IVF妊娠及胎儿重大结构异常者,结果不适用于这两类人群。
- 研究对象以White种族为主,亚组样本量较小,对不同种族和BMI的普适性有限。
- 以CRL测量为参照标准存在循环论证风险,因CRL本身也是被比较的测量方法之一。
- AI与CRL之间的系统性差异可能被解释为AI的方法固有变异,但两种方法均非直接测量真实胎龄。
全文中译15 节 · 点击展开
引言
准确确定孕周(GA)对产科护理的各个方面都至关重要。虽然孕周传统上根据末次月经(LMP)的第一天来估算,但现在最常用的方法是妊娠早期超声测量胎儿头臀长(CRL)1。精确评估CRL对于非整倍体筛查和子痫前期的早孕风险评估都很重要2, 3,对于妊娠后期将胎儿分类为小于胎龄、适于胎龄或大于胎龄也同样重要4, 5。
美国和英国指南推荐在13 + 6周前测量妊娠早期CRL,作为确定孕周最准确的方法6, 7。世界卫生组织(WHO)建议在妊娠24周前至少进行一次超声检查8。在英国等发达医疗体系中,妊娠早期确定孕周属于标准护理,约85%的孕妇在妊娠11 + 0至13 + 6周之间接受超声评估9。然而,在许多低收入和中等收入国家(LMICs),孕周评估受到训练有素人员和适宜设备可及性的限制。即使在资源充足的环境中,获得准确的CRL测量也需要相当熟练的操作者技能和时间。
人工智能(AI)模型已证明其孕周估算结果可与传统生物测量相媲美,包括在超声图像由新手操作者采集的情况下10, 11。AI模型的性能通常使用简单指标进行总结,如相对于参考标准的平均绝对误差(MAE)。测量误差模型提供了一种更具信息量的方法,它明确考虑了不同的变异来源,并避免了假定一个确定真值的需要。在多名操作者重复测量的研究设计中,变异可分解为操作者内部和操作者之间的成分,从而能够评估操作者内部的可重复性和跨操作者的普遍适用性。这使得识别不同方法之间不一致的主要来源成为可能12。当在贝叶斯框架内实施时,这些模型还可以对孕周估算中的不确定性进行量化。
在本研究中,我们评估了Benson等人的方法13,该方法将深度学习系统应用于非定向超声扫查,重点关注妊娠11 + 0至13 + 6周之间的孕周确定。我们使用常规MAE计算和测量误差模型评估了AI系统的性能,并在考虑CRL测量误差的情况下比较了结果。
方法
研究人群与设计
这是一项观察性研究,研究对象为2025年7月至2025年8月在英国伦敦国王学院医院接受常规11–13周扫描的单胎妊娠女性。在研究期间所有前来进行常规早孕期检查的女性均被提供参与该试验的机会,目标是招募300名受试者。在招募到307名女性后招募关闭。通过体外受精(IVF)受孕的妊娠被排除在分析之外。诊断出胎儿重大结构异常者也导致被排除出研究。在11–13周检查时,我们记录了孕妇特征,包括年龄、身高、体重、体质指数(BMI)、种族来源(白人、黑人、南亚人、东亚人或混血)以及病史。我们进行了超声扫描,利用胎儿头臀长(CRL)确定孕周(GA)¹,并诊断胎儿重大结构异常¹⁴。该研究获得了英国国家医疗服务体系卫生研究管理局的批准(参考编号:25/LO/0426),所有研究参与者均签署了书面知情同意书。
超声检查与AI系统的使用
所有超声检查均由持有胎儿医学基金会(FMF)早孕期扫描认证的超声技师按照标准化方案执行。超声检查使用GE Voluson S10或E22系统(GE Healthcare,奥地利齐普夫)进行,经腹(3–7.5 MHz凸阵探头)检查,当经腹无法获得足够切面时则采用经阴道(3–9 MHz探头)检查。胎儿CRL由两名超声技师独立测量,彼此对对方的结果不知情,孕周采用第一名超声技师获得的CRL测量值来确定。
AI系统(GE Healthcare)部署在一台与超声系统连接的平板设备上,在经腹扫描过程中接收实时视频信号。用于孕周估算的深度学习模型此前已有描述¹³。AI系统在每次检查中使用两次,一次在开始时,一次在结束时,以生成两个独立的孕周估算值。在AI图像采集期间,对胎儿进行无定向扫描,直至产生结果。考虑到该AI系统预期由超声新手操作者使用,扫描由实时超声扫查组成,旨在捕捉胎儿位置、胎心搏动和广泛的切面,而非预定义的标准平面,且不进行图像冻结或切面优化。平板设备上显示一个进度环,显示进度百分比,当进度环显示100%时停止AI图像采集。记录孕周(周+天)以及获得孕周估算值所需的时间。超声技师对AI输出结果不知情,在AI视频采集期间不获取标准CRL测量值。
患者共由45名超声技师进行扫描,其中32名也执行了AI评估。对于每位患者,获得了两次独立的CRL测量值和两次基于AI的估算值,从而能够应用测量误差建模框架。对于基于AI的孕周估算,由同一名操作者进行两次测量;而对于基于CRL的孕周估算,则由两名不同的操作者各进行一次测量。
统计分析
首先,为与既往研究进行比较,将AI系统估算的GA与基于标准CRL测量得出的GA进行对比,采用MAE和绝对误差(AE)的累积分布,以两次基于CRL的估算值的均值作为参考标准。不确定性使用置信区间进行总结。AI-based和CRL-based GA估算值的变异性均使用配对测量的Bland–Altman分析进行评估,分别针对AI-based和CRL-based估算值进行。这些分析代表AI方法的操作者内变异性和CRL方法的操作者间变异性。
其次,为考虑基于CRL的GA估算值中的不确定性,在贝叶斯框架内分析了一个分层测量误差模型,将真实GA(τ)视为未观测的潜变量。从CRL估算的GA被建模为τ的不完美测量,使用随机效应来解释操作者内和操作者间的变异性。AI-based GA估算值被类似地建模为τ的函数,纳入相应的操作者内和操作者间随机效应。纳入截距项和斜率项以允许AI-based和CRL-based估算值之间存在校准差异,并为AI测量纳入受试者特异性随机效应,以允许AI和常规超声之间存在无法由两种方法之间的系统校准关系解释的差异。这使得AI-based和CRL-based估算值之间的一致性可以在不同受试者之间变化。
将相对于从测量误差模型估算的潜变量τ的MAE与使用CRL作为参考标准获得的MAE以及既往发表的结果¹³进行比较,以评估在基于CRL的GA中考虑测量误差的影响。
为了以临床可解释的术语描述测量变异性,我们指定了一个将未观测的τ与观测测量值相关联的分层测量误差模型。
为确保模型可识别性,将CRL作为参考测量,使得基于CRL的估算值的期望值等于τ,尽管CRL本身仍被建模为通过操作者间和操作者内变异性而存在测量误差。相比之下,AI-based GA估算值被允许通过校准项以及随机误差系统性地偏离τ。该分布的变异性来源于三个加性误差来源:(i)受试者–方法交互作用(随机效应),即将测量方法应用于特定个体时相关的变异性;(ii)操作者间变异性,即操作者之间的系统性差异,影响给定操作者所做的所有测量;(iii)操作者内变异性,即同一操作者重复测量产生的随机变异。
对于基于CRL和基于AI的测量,变异性被分解为操作者间和操作者内成分,分别反映操作者之间的差异和操作者内的重复性。此外,基于AI的方法还包括一个方法特异性误差成分,代表算法应用于个体病例时固有的变异性。该框架将测量执行方式产生的变异性与测量方法本身固有的变异性区分开来。
统计分析在 R 软件(奥地利维也纳 R 统计计算基金会)中完成,贝叶斯分析在 WinBUGS 中使用无信息先验实现 15 。详细内容见附录 S1。
结果
在研究期间,我们初步招募了 307 例单胎妊娠,胎儿存活且头臀径(CRL)为 45–84 mm,并在 11 + 0 至 13 + 6 周之间进行了超声检查。排除 22 例通过体外受精(IVF)受孕的女性后,共纳入 285 例自然受孕的女性,获得了 570 次 CRL 测量值和 570 个由人工智能(AI)产生的结果。孕妇中位年龄为 33.9(四分位距(IQR),31.0–36.0)岁,中位孕前体重指数(BMI)为 24.3(IQR,22.4–27.6)kg/m²,种族来源为白人 218 例(76.5%)、黑人 31 例(10.9%)、南亚裔 19 例(6.7%)、东亚裔 9 例(3.2%)和混血 8 例(2.8%)。超声扫描时,第一位超声医师测得的中位 CRL 为 63.3(IQR,59.3–67.9)mm,第二位超声医师测得的中位 CRL 为 62.9(IQR,59.5–67.6)mm。由第一次 CRL 测量推算的中位孕周(GA)为 12.7(IQR,12.4–13.0)周。
基于 AI 的孕周估算在所有病例中均成功返回结果,第一次 AI 测量获得孕周估算值的中位耗时为 23(IQR,18–30)秒,第二次 AI 测量为 19(IQR,14–28)秒。
平均绝对误差
基于 AI 的孕周与基于 CRL 的孕周之间的平均绝对误差(MAE),第一次 AI 测量为 2.1(95% CI,1.9–2.3)天,第二次 AI 测量为 2.2(95% CI,2.0–2.3)天。使用两次 AI 测量的平均值时,MAE 略低,为 2.0(95% CI,1.8–2.1)天。图 1 显示了基于 AI 与基于 CRL 的孕周估算的绝对误差(AE)累积分布。在 90% 的病例中,使用两次 AI 测量的平均值时,基于 AI 与基于 CRL 的孕周估算之间的 AE 在 4.0 天以内。两次 AI 估算之间的比较显示,第一次与第二次 AI 测量之间的 MAE 为 1.4 天,组内相关系数为 0.88(95% CI,0.85–0.90),表明 AI 结果具有较高的可重复性。表 S1 显示了按孕妇 BMI 和种族划分的亚组分析。尽管这些分析受限于亚组样本量较小,但未观察到模型性能基于孕妇 BMI 或种族的显著差异。
Bland–Altman 分析
分别对基于 CRL 和基于 AI 的孕周估算进行了 Bland–Altman 分析,以捕捉 CRL 的操作者间变异性和 AI 的操作者内变异性。图 2 显示了配对测量的散点图和 Bland–Altman 图,分别呈现了使用 CRL 和使用 AI 方法估算的孕周。
基于 AI 的估算值的一致性界限比基于 CRL 的估算值更宽,表明精密度较低,这反映在更大的离散度上(图 2)。这一点值得注意,因为通常操作者间比较的一致性界限会比操作者内比较更宽;而在本研究中,AI 方法的同一方法内变异性超过了 CRL 测量的操作者间变异性。
测量误差建模
我们开发了一个分层测量误差模型,将潜在的真实孕周(τ)与观测测量值联系起来,如图3所示。表1显示,CRL测量值的总变异性相对较低,主要由操作者内变异驱动,而基于AI的估计值总变异性显著更大,反映了更高的操作者内变异性、额外的方法效应成分以及系统偏倚的证据。使用我们的测量误差模型,在纳入AI特异性方法效应时,平均绝对误差(MAE)为1.8天(单次测量)和1.6天(重复测量)。尽管AI相对于CRL的系统偏倚会影响AI性能的常规评价指标,但可通过减去估计的截距进行重新校准来加以解决。因此,表1中呈现的MAE是根据估计的误差标准差(SD)计算的,分别包括和不包括方法效应,后者假设校准偏倚可以被消除。
方法效应成分有不同的解释。在模型的原始参数化下,它反映了基于AI和基于CRL的孕周估计值之间的差异,这些差异不能用校准差异或测量误差来解释,其中基于CRL的孕周 被视为参考。然而,另一种解释是将AI和CRL对称对待,假设两种方法有不同的真实孕周,计算为 或等价地 。在这种解释中,α表示真实分数之间的平均不一致, 表示随机不一致效应。因此,基于AI和基于CRL的孕周估计值之间可能存在超出校准差异或测量误差的内在差异。在这一框架下,测量精度的比较基于围绕各自真实分数的变异性。对于CRL,总测量误差的SD估计为0.983天,而基于AI的估计值为1.462天(不包括方法效应)。这些差异反映在观察到更宽的一致性界限上。在这一假设下,单次AI测量的MAE为1.2天,重复AI测量的MAE低至0.8天(表1)。
比较
表2展示了我们的研究结果与既往已发表研究的对比情况。我们数据集的MAE估计值与Benson等[13]报告的结果大致相当,处于不同影像类型观察到的范围内。值得注意的是,采用测量误差模型得出的MAE估计值始终低于将基于CRL的估计视为真实胎龄时得到的结果。这反映了校正基于CRL估计中的测量误差所产生的影响,否则该误差会夸大基于AI的估计值与参考标准之间的表观差异。对重复AI测量值取平均值可在传统分析和测量误差模型框架下均带来适度但一致的MAE降低,其中基于模型的估计值改善最为明显。
讨论
主要发现
这项针对孕11+0至13+6周单胎妊娠的观察性研究表明,基于AI的胎龄估计MAE与基于CRL的评估相比为2.0天,与我们的测量误差模型相比为1.6天。AI系统可靠获得胎龄估计的中位时间为23秒。
然而,在我们的研究中,基于CRL的孕龄确定比基于AI的胎龄估计更为准确。与使用测量误差模型经统计推导得出的潜在真实胎龄(τ)相比,基于CRL的评估MAE<1天,而基于AI的胎龄估计MAE<2天。测量模型显示,基于CRL的孕龄确定的操作者间变异低于AI模型的同一操作者内变异,突出了AI系统的方法特异性不准确性。
测量误差模型的解释取决于赋予CRL的角色。如果将CRL视为胎龄评估的参考标准,则潜在真实胎龄自然以CRL为锚定,除校准差异外,基于AI与基于CRL估计之间的任何残余不一致均归因于AI模型。在这种解释下,AI相对于CRL表现出更大的测量变异性和额外的方法效应。
然而,对称性解释也有其合理性。CRL和AI均不直接测量胎龄;相反,两者都基于不同的信息源提供估计。在这一观点下,两种方法之间方法效应的不一致不必被解释为仅归因于AI的误差,而可能反映两种方法所代表的潜在真实分数之间的真实差异。在这种解释下,方法效应反映的是基于AI和基于CRL的胎龄评估之间的内在差异,而非任一方法的缺陷。
尽管这些替代性解释影响方法间不一致的归因,但它们不改变测量精度的比较。CRL的总测量误差SD(0.983天)仍低于AI(1.462天)(排除方法效应),表明基于AI的估计值在其各自真实分数周围表现出更大的变异性。
与文献的比较
目前已开发出可在妊娠各个三个月期确定孕龄的AI模型 10 , 11 , 13 , 16 , 17 , 18 。一些系统使用常规超声检查中采集的静态图像或视频片段 18 ,而许多模型则被训练用于盲扫超声。盲扫旨在按照预定义方案系统覆盖母体腹部或子宫,可由超声新手操作者完成。
评估AI在早孕期孕龄确定中性能的一个关键挑战是缺乏真实孕龄。一些研究使用经IVF受孕的妊娠,其真实孕龄是已知的;然而,关于IVF妊娠早孕期胎儿生长的证据并不一致,特别是在受孕方式和胚胎移植类型方面,这限制了其作为参考标准的适用性 19 , 20 , 21 , 22 。相反,将基于CRL的估计值视为真实孕龄会引入循环论证,因为CRL本身就是被评估的方法之一。
一些研究聚焦于中晚孕期孕龄确定,其中AI和基于生物测量的评估均与观察到的真实孕龄(由早孕期CRL确定的孕龄或IVF妊娠的受孕日期确定)进行比较。Viswanathan等报告,AI在中孕期孕龄估计的平均绝对误差(MAE)为3.1天,晚孕期为4.4天,优于基于INTERGROWTH-21st图表的胎儿生物测量孕龄确定 17 。在Stringer等最近的一项研究中,在14 + 0至27 + 6周之间,使用AI模型确定孕龄的MAE为3.2天,而使用常规生物测量(INTERGROWTH-21st或Hadlock)的MAE为3.0天 11 。然而,使用常规超声和胎儿生物测量进行中晚孕期孕龄确定本身就不准确,因为其基于生长图表,随着孕周增加,中位数周围的离散度越来越大 23 。Pokaprakarn等在赞比亚和美国使用了从9周开始的盲扫方案,报告早孕期AI与CRL确定孕龄的MAE分别为2.1天和2.0天 10 。
Benson等 13 使用来自英国、澳大利亚和印度78 531例妊娠常规超声检查的超过200万张图像训练了本研究中使用的AI模型。对于10至14周的早孕期孕龄确定,他们报告在静态图像上使用AI模型的MAE为1.3天。然而,在36个视频片段上测试同一AI模型得到的MAE为2.5天。使用同一AI系统,我们报告的MAE为2.0天。在考虑CRL的测量误差后,不再将基于CRL的估计值视为潜在真实孕龄,MAE为1.6天(表2)。对于视频片段和静态图像数据之间所报告MAE差异的原因,我们只能进行推测。Benson等 13 报告其训练数据集由常规临床扫描中获取的静态图像组成。通常,在常规临床检查中,只有满足明确质量标准的图像才会被保存,包括具有优化放大倍数、增益、深度和焦点的适当标准切面。相比之下,实时视频更可能包含更广泛的图像质量和胎儿方位范围。据我们所知,本研究是首个在实时超声视频上验证该AI系统的研究,其结果与在不到30秒内获取的静态图像所报告的MAE接近。
优势与局限性
本研究的主要优势在于其设计,包括285例妊娠和45名接受过培训的超声医师进行CRL测量,其中32名还使用了基于AI的方法,共产生570次CRL和AI测量。这支持了在超声操作者和AI操作者之间的普遍适用性,并能够评估操作者内部和操作者之间的变异性。
从方法学角度看,测量误差模型相较于基于MAE的简单比较具有重要优势 12。通过考虑多种变异来源,它们能够在AI与CRL估计之间进行更有意义的比较,而无需假设基于CRL的估计代表确定的真实孕周。相比之下,MAE不区分误差来源。测量误差模型通过分离操作者效应、校准差异和AI特异性变异来解决这一局限性,从而阐明误差结构并识别关键影响因素。在我们的分析中,操作者内部变异似乎是AI测量中误差的主要来源,这表明了提高准确性的重要改进方向。
本研究的主要局限性在于单中心设计。扫描由一组经过认证的、在早孕期超声和CRL测量方面具有丰富培训和经验的临床医生完成。这可能引入了有利于基于CRL的孕周计算的偏倚。我们的研究仅关注早孕期孕周计算,在发达国家,CRL既是最准确的方法,也是标准操作。基于生物测量的孕周计算准确性随孕龄增加而下降,这增加了AI在中晚孕期的潜在价值,而本研究未涉及这一点。从全球健康角度看,基于AI的孕周计算旨在扩大中低收入国家(LMICs)的产前保健可及性,这些地区通常无法获得早孕期超声检查。然而,本研究的设计并未涉及AI孕周估计在LMICs中的使用,也未涉及由新手超声操作者使用。需要进一步的验证研究来评估AI模型在中晚孕期的准确性和稳健性。
结论
我们的数据表明,基于AI的早孕期孕周估计具有较高的准确性,与基于CRL的孕周计算相比,MAE为2.0天。在校正测量误差后,AI估计的MAE降至1.6天。当将CRL和AI对称地作为参考标准时,重复AI测量的MAE低至0.8天。这些数值优于文献中关于CRL可重复性的基准。
使用AI进行孕周估计在减少高资源环境中对熟练超声医师的依赖和缩短超声检查时长方面具有相当大的前景,同时也能扩大低资源环境中准确孕周计算的可及性。然而,在本研究队列中,由高素质超声医师完成扫描,使用CRL确定早孕期孕周仍然是金标准。
未来的研究应超越MAE的评估,纳入对导致测量误差的因素的分析。这可能有助于改进深度学习模型的开发,并提高基于AI的孕周计算水平。
利益披露
本研究由胎儿医学基金会(英国慈善机构编号:1037116)资助。AI系统由GE Healthcare免费提供。资助者未参与研究设计、数据收集、分析和解释、报告撰写或决定将文章投稿发表。
补充信息
附录S1 统计分析详情。
表S1 根据孕妇体重指数和种族划分的孕周平均绝对误差(天)。
引用
- Eisenkolb, Wright, Syngelaki, et al. Real-time gestational-age estimation at 11-13 weeks using artificial intelligence on non-targeted ultrasound sweeps. Ultrasound Obstet Gynecol. 2026. PMID: 42740444. doi:10.1002/uog.70335
- 全文:PMC13641732(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13641732/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。