Automatiserad tolkning av fostrets hjärtfunktionsbedömning från ekokardiografi

Varför detta är viktigt för blivande familjer

Prenatala undersökningar visar mer än enbart barnets profil — de kan också antyda hur väl det lilla hjärtat fungerar långt innan födseln. I dag är mätning av fostrets hjärtfunktion från ultraljudsfilmer dock en tidskrävande och krävande process som i hög grad förlitar sig på några få specialists skicklighet. Denna studie beskriver ett nytt system med artificiell intelligens (AI) som automatiskt kan läsa av dessa hjärtscanningar, vilket lovar snabbare och mer konsekventa bedömningar som kan hjälpa läkare att upptäcka problem tidigare och följa graviditeter med hög risk noggrannare.

Att omvandla hjärtscanningar till siffror

När en blivande förälder gör ett fosterhjärtultraljud spelar apparaten in rörliga bilder av det slagande hjärtat. Experter pausar sedan videon vid precis rätt ögonblick och ritar noggrant av väggar och kammare för att beräkna hur effektivt hjärtat pumpar. Forskarna i denna studie byggde ett AI‑"arbetsflöde" för att utföra hela den processen automatiskt. Deras system granskar den rörliga ultraljudsbilden, hittar fyrkammarvyn av hjärtat, avgränsar viktiga strukturer som övre och nedre kamrar och bröstkorgen, och omvandlar därefter dessa konturer till mer än 70 olika mått som beskriver fostrets hjärtas storlek, form och pumpkraft.

Att träna systemet på många verkliga graviditeter

För att lära AI vad ett fosterhjärta kan se ut som i olika situationer använde teamet över femtio­tusen märkta bilder från nästan tvåtusen normala fosterhjärtfilmer, insamlade vid ett större sjukhus. De testade det sedan ytterligare på fler normala fall från två andra sjukhus och på 83 foster med olika hjärt‑ eller tillväxtproblem. Totalt täckte datasetet graviditetsåldrar från 18 till nästan 38 veckor samt en stor variation av fosterpositioner och undersökningsförhållanden. Erfarenhetssjuksköterskor/sonografer annoterade noggrant bilderna som användes för träning och deltog aldrig i de senare jämförelserna, vilket bidrog till en opartisk utvärdering.

Motsvarar och till och med utjämnar experternas bedömningar

För att bedöma om AI kunde ersätta människor jämförde forskarna dess mätningar med mätningar gjorda oberoende av två erfarna sonografer, både för hand och med ett populärt semi‑automatiskt verktyg kallat Fetal Heart Quantification. För höger‑, vänster‑ och helhjärtemätningar överensstämde AI:ns resultat med varje expert bättre än experterna överensstämde sinsemellan. Skillnaderna mellan AI‑ och mänskliga avläsningar var mindre än de typiska skillnaderna mellan två mänskliga läsare, och statistiska tester visade att AI:ns variabilitet faktiskt var lägre. Viktigt är att detta gällde inte bara vid rutinmässiga graviditeter utan även i undersökningar av foster med hjärt‑ eller tillväxtavvikelser och i data från externa sjukhus, vilket tyder på att systemet kan generalisera bortom sitt ursprungliga träningsställe.

Att koppla hjärtfunktion till fostrets totala tillväxt

Utöver enstaka mätningar behöver läkare också veta om ett specifikt barns hjärta presterar som förväntat för dess tillväxtskede. Teamet använde AI:ns output från 1 385 normala graviditeter för att bygga en "Z‑score"‑modell — ett sätt att uttrycka hur långt ett visst mått ligger över eller under det typiska värdet efter hänsyn tagen till tillväxt. De testade 44 olika ekvationer som kopplade hjärtmätningar till vanliga mått på fostrets storlek, som huvud‑ och bukomkrets, femurlängd och estimerad vikt. Den estimerade fostervikten visade sig bäst fånga hur många strukturella hjärtmått förändras när fostren växer. De flesta normala foster hamnade tryggt inom de förväntade intervallen, medan flera foster med allvarliga tillstånd, inklusive förträngda aortar och tillväxthämning, visade hjärtmått som tydligt föll utanför det förväntade spannet.

Vad detta betyder för prenatal vård

Kort sagt visar denna studie att ett datorsystem kan granska ett standardiserat fosterhjärtultraljud, automatiskt dra upp kamrarna och producera en detaljerad rapport som motsvarar eller till och med förbättrar konsekvensen hos mänskliga experter. Genom att paketera dessa mätningar i tillväxtanpassade poäng kan verktyget hjälpa till att lyfta fram foster vars hjärtan kan vara under ovanlig belastning eller utvecklas på ett avvikande sätt. Även om mer arbete krävs för att testa systemet på fler sjukhus, på fler typer av ultraljudsmaskiner och vid mer komplexa hjärtdefekter, pekar resultaten mot en framtid där detaljerad fosterhjärtfunktion kan mätas snabbt, objektivt och rutinmässigt under graviditeten, snarare än enbart när en specialist har gott om tid.

Citering: Huang, C., Zhang, L., Xie, B. et al. Automated interpretation of fetal cardiac function evaluation from the echocardiogram. npj Digit. Med. 9, 334 (2026). https://doi.org/10.1038/s41746-026-02381-3

Nyckelord: fetal ekokardiografi, artificiell intelligens, prenatal ultraljudsundersökning, hjärtfunktion, Z‑score‑modell