基于超声心动图的胎儿心功能评估自动化解读

这对准父母为何重要

产前扫描不仅能显示胎儿的侧影——它们还能在出生前很久提示微小心脏的工作状况。但目前，从超声视频中测量胎儿心功能是缓慢且耗时的工作，严重依赖少数专家的技能。该研究描述了一种新的人工智能（AI）系统，能够自动解读这些心脏扫描，承诺提供更快、更一致的评估，帮助医生更早发现问题并更密切地随访高危孕妇。

将心脏扫描转化为数字

当准父母接受胎儿心脏超声时，机器记录的是跳动心脏的动态图像。专家随后在恰当的时刻暂停视频，仔细描绘心壁和心腔以计算心脏的泵血功能。本研究的研究人员构建了一套AI“工作流”来自动完成整个过程。该系统观看超声动态图，定位四腔位心视图，勾画上、下腔及胸腔等关键结构，然后将这些轮廓转化为70多项不同的测量值，描述胎儿心脏的大小、形状和泵血能力。

用大量真实孕例训练系统

为让AI学习不同情况下胎儿心脏的样貌，团队使用了来自一家大型医院的近两千个正常胎儿心脏视频中五万多张已标注图像。随后他们在另外两家医院的正常病例以及83例具有不同心脏相关或生长问题的胎儿上进一步测试。在整个数据集中，妊娠周覆盖18周到近38周，并包含多种胎位和扫描条件。经验丰富的超声技师对用于训练的图像进行了仔细标注，且没有参与后续的比较工作，这有助于确保评估不偏倚。

与专家意见匹配甚至更趋一致

为判断AI是否可以替代人工，研究人员将其测量结果与两位经验丰富的超声技师的独立手工测量以及一种流行的半自动工具（Fetal Heart Quantification）进行了比较。在右侧、左侧和整体心脏的测量中，AI的结果与每位专家的吻合度都优于两位专家彼此之间的吻合度。AI与人工读数之间的差异小于两位人工读者之间的典型差异，统计检验表明AI的变异性实际上更低。重要的是，这一结论不仅成立于常规孕例，也适用于患有心脏或生长异常的胎儿扫描及外院数据，表明该系统能在原始训练场所以外泛化。

将心功能与胎儿整体生长联系起来

除了单次测量，临床上还需要判断某一胎儿的心脏表现是否与其生长阶段相符。团队使用来自1,385例正常孕例的AI输出建立了一个“Z分数”模型——这是一种在考虑生长影响后、表达某项测量相对于典型值偏离程度的方法。他们测试了44种不同方程，关联心脏测量与常见胎儿体型指标，如头围、腹围、股骨长和估计体重。结果显示，估计胎儿体重最能反映随生长变化的多项结构性心脏测量。大多数正常胎儿落在预测范围内，而若干患有严重病变（包括主动脉狭窄和生长受限）的胎儿，其心脏测量明显超出预期范围。

这对产前护理意味着什么

简而言之，本研究表明计算机系统可以观看标准胎儿心脏超声，自动描绘心腔并生成一份详尽报告，其一致性可与甚至优于人类专家。通过将这些测量纳入生长校正后的评分中，该工具可以帮助识别心脏可能承受异常压力或发育异常的胎儿。尽管还需要在更多医院、更多型号的超声设备及更复杂的心脏畸形中进一步测试该系统，研究结果指向了这样一个未来：在孕期可以快速、客观且常规地测量详细的胎儿心功能，而不再仅限于专家有充足时间时进行。

引用: 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

关键词: 胎儿超声心动图, 人工智能, 产前超声, 心脏功能, Z分数模型