Randomiserad studie av samarbete mellan människa och maskin vid tolkning av kardiotokografi under förlossning

Varför detta spelar roll för föräldrar och spädbarn

När ett barn föds följer läkare och barnmorskor noggrant barnets hjärtfrekvens för att upptäcka tidiga tecken på problem. Att tolka dessa hjärtspår är svårt och experter är ofta oense, vilket kan leda till missade varningssignaler eller onödiga ingrepp. Denna studie ställer en enkel fråga med stora följder: kan en dator som ”medpilot” hjälpa kliniker att läsa spåren mer exakt under förlossningen och bättre skydda nyfödda från syrebrist?

Att övervaka barnets hjärta i realtid

Under förlossningen används ofta ett verktyg kallat kardiotokografi som registrerar barnets hjärtfrekvens och moderns värkar. Målet är att upptäcka när barnet kanske inte får tillräckligt med syre, vilket kan leda till ett tillstånd kallat acidos, signalerat av ett lågt pH i navelsträngsblodet vid födseln. Tyvärr kan samma spår tolkas mycket olika av olika bedömare, även när de följer samma riktlinjer. Denna variation gör det svårt att förlita sig enbart på testet för att förhindra allvarliga skador som hjärnskada.

Lägga till ett digitalt andra utlåtande

Forskarna testade en datorassistent, kallad datoriserad kardiotokografi, byggd på en matematisk modell som heter DeepCTG. Programmet analyserar egenskaper i den sista halvtimmen av hjärtfrekvensspåret, till exempel hur hög eller låg baslinjen är och hur ofta hjärtfrekvensen går upp eller ner. Därefter uppskattar det sannolikheten att barnet föds med ett lågt pH (under 7,15), vilket indikerar måttlig till svår syrebrist. Denna uppskattning visas för klinikerna tillsammans med en förenklad bild av vilka mönster som låg bakom datorns bedömning.

Ett globalt test av människa‑maskin‑samarbete

För att undersöka om detta stöd verkligen förbättrade vården loggade 211 barnmorskor, obstetriker och ST‑läkare från 23 länder in på en webbplattform och granskade 100 verkliga förlossningsspår hämtade från en offentlig databas. För varje fall skulle de förutsäga om barnets navelsträngsblodspH skulle vara normalt eller lågt. För ungefär två tredjedelar av fallen såg de också datorns riskbedömning och visuella ledtrådar; för den återstående tredjedelen bedömde de spåret på egen hand. Totalt gjorde de mer än 8000 prognoser, vilket gjorde det möjligt för teamet att jämföra prestanda med och utan det digitala verktyget och att se hur resultaten varierade mellan länder, yrkesgrupper och erfarenhetsnivåer.

Tydligare upptäckt utan fler falsklarm

Med datorhjälp klassificerade klinikerna korrekt utfall i ungefär 61 av 100 fall, jämfört med 54 av 100 utan hjälp. Den största vinsten kom från att fånga fler barn som faktiskt hade lågt pH: känsligheten steg från ungefär hälften till mer än tre femtedelar. Samtidigt förblev andelen fall där man gav klartecken när barnet faktiskt var fint ungefär densamma, vilket innebär att verktyget inte översvämmade kliniker med extra falsklarm. I situationer där datorn och människan var oense visade sig datorns svar vara rätt i ungefär två tredjedelar av fallen. Assistenten gjorde också prestandan mer jämn: spridningen i träffsäkerhet mellan individer minskade, och mindre erfarna medarbetare kom närmare noggrannheten hos erfarna specialister.

Vad detta betyder för framtida förlossningar

För föräldrar är slutsatsen att en noggrant utformad datorpartner kan hjälpa vårdteamet att bättre känna igen barn i riskzonen för syreproblem under förlossningen, samtidigt som fler onödiga ingrepp undviks. För kliniker antyder studien att användning av ett AI‑verktyg som ett transparent andra utlåtande kan öka både noggrannhet och enighet inom team. Arbetet hävdar inte att det löser alla risker kring födseln, och det behöver fortfarande testas i vardaglig sjukhuspraktik, men det pekar mot en framtid där människor och maskiner delar uppgiften att vakta över barnen i förlossningssalen.

Citering: Ben M’Barek, I., Ben M’Barek, B., Jauvion, G. et al. Randomised study of human machine collaboration for cardiotocography interpretation during labour. npj Digit. Med. 9, 365 (2026). https://doi.org/10.1038/s41746-026-02556-y

Nyckelord: övervakning av fosterhjärta, kardiotokografi, artificiell intelligens, perinatal acidos, förlossning