2022人工智能应用于产科的进展（全文）.docx

《2022人工智能应用于产科的进展（全文）.docx》由会员分享，可在线阅读，更多相关《2022人工智能应用于产科的进展（全文）.docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2022人工智能应用于产科的进展(全文)人工智能(artificial intelligence, AI)是研究、开发用于模拟、延伸和扩展 人的智能的理论、方法、技术及应用系统的一门新的技术科学。20世纪50年代中后期人工智能的概念被马文明斯基等10位科学家首次 提出1 L现如今AI技术进入了爆炸性开展时代，应用于许多行业，包 括医疗行业。从20世纪70年代的专家系统开始，AI产品已被应用于人 类疾病的诊断和治疗。2018年Kermany等2 提出的用于眼底疾病分 类的诊断模型，是首次使用标注好的高质量数据建立AI系统。目前，医 学AI领域早期的探索应用大多并不理想。AI在产科学中研究应用较为

2、广 泛的领域主要有人工神经网络、机器学习和专家系统等。本文综述了近年来AI在产科学领域中的研究进展，了解其应用的现状、 目前存在的问题以及对未来的展望。一、AI在高危妊娠筛查中的作用产前检查与孕期保健是降低孕产妇死亡率和出生缺陷的重要措施。通过对 孕妇及胎儿的孕期监护，能够尽早地发现和治疗妊娠期并发症以及胎儿异 常，并结合孕妇与胎儿的具体情况，确定分娩方式，保障母婴安全。已经有卫生保健机构采用电子临床决策支持系统进行产前和产时监测，特 别是在一些资源有限的地区、开展中国家，使用电子临床决策支持系统可 有效提高工作效率、及时发现胎儿异常，早发现、早治疗，减少不良妊娠 结局的发生。Mensah等3

3、 和Sukums等4 报道，将孕产妇保健质控(The Quality of Maternal Carez QUALM AT )工程引入一个电子临床决策支持系统 (electronic clinical decision support systems, eCDSS )，促进了资源 有限地区遵守临床实践指南，eCDSS不仅不会增加产前保健时间，而且简 化了局部工作流程,有利于提高护理质量。Singh等5 报道了一项关于孕产妇早期产科预警系统(Maternal Early Obstetric Warning System, MEOWS)作为产科发病率预测的前瞻性研 究；该系统是基于生理参数异常先于

4、危重疾病的原那么，从而在早期阶段识 别产妇的病情，是预测产科疾病发生的一种有效的床边筛查工具。Singh 等5 的研究说明,该系统预测产科并发症的敏感度为86.4% ,特异度 为85.2% ,阳性预测值为53.8%，阴性预测值为96.9%。二、AI在产科并发症预测中的作用胎儿监护的目的是为了评估胎儿状态、改善围产儿结局、预防胎儿死亡。目前，AI在胎儿监护中的应用研究非常广泛，包括无声警报系统、自动胎 儿监护报警系统、智能产时监测系统、神经网络模型、快速反响系统、新型的产时风险评估和预警系统、分娩过程中风险趋势的图形显示等6L传统的胎儿电子监护(electronic fetal monitori

5、ng, EFM )系统依赖于个 体目视判读来进行产时监测，雨古胎儿的能力有限。在过去四十年的开展 中，虽然有了新的监护仪和数据通讯工具，但EFM的基本功能几乎没有 改变。随着AI技术的开展，目前评估胎儿宫内状况和预测病程的能力远远超过 传统监测系统，产前监测风险评估系统可提供对胎儿状况的持续评估，并 在胎儿损伤风险增加时提醒医护人员，特别是对分娩活跃期宫内环境不断 变化的胎儿监护。但由于胎儿匕率(fetal heart rate, FHR )模式缺乏特异性，捕捉胎儿风 险增加的信号较困难。造成这一问题的原因之一为目前的监测系统无法整 合任何特定妊娠的广泛临床数据库，从而确定进入围分娩期时存在的

6、风险 水平，以及如何通过标准的FHR模式变化来识别这种风险，而胎儿损害 的风险水平可能在分娩过程中频繁变化。Balayla等7 的系统评价说明，在分娩过程中结合应用人工智能和计算 机分析解释的EFM并不能改善新生儿结局。提高产时胎儿监测的临床意 义是明确的，为开发更好、更智能的产时监测系统需要将传统的胎儿监护 仪与智能计算机系统相结合。智能计算机系统能够通过获取、分析和优先 排序单个分娩生成庞大数据阵列。早产是导致围产儿死亡率和近远期发病率高的主要原因，早期发现对预防 早产具有重要意义。关于早产的预测，Chen和Hao 8 提出了一种利 用 Hilbert-Huang 变换和极端学习机(ext

7、reme learning machine, ELM) 对妊娠期和分娩期宫缩电图(electrohysterogram, EHG )特征提取和分 类的方法，建立了基于ELM的识别模型。实验结果说明，该方法的最正确 分类性能可到达88.0%的准确率，灵敏度为91.30%，特异度为85.19%。且可以有效地对妊娠组和分娩组的EHG进行分类，从而到达早产的预测 作用。产后出血是分娩期最常见的并发症，也是我国孕产妇死亡的第1位原因， 目前AI应用于产后出血风险预测仍不成熟。Gillissen等9 的一项关于 产后出血评分预测价值的研究中，将简易、高效的出血倾向测评工具 MCMDM-lvWD量表调整为可

8、用作自我评估出血工具的问卷结果说明， 产后出血史与产后出血风险增加有关。然而，使用出血评估工具无法筛查 出可能出现产后出血的妇女。目前仍没有一种很好预测产后出血的工具。对于高危产妇选择性剖宫产，AI是否可以成为有效和可接受的干预措施的 第一步？是否可以成为孕妇和产后妇女进入重症监护病房的风险预测？ 以及先天性心脏病孕妇心脏并发症三种临床风险评估系统预测的准确性、 孕妇和产后妇女的静脉血栓栓塞风险评估等都需探讨和研究。三、AI在产科干预中的应用AI辅助诊断将数据变为知识，分析患者的原始诊疗资料，整理出临床治疗 经验，结合循证医学，针对各种疾病建立医疗图谱，医务人员通过输入 患者的病历或临床病症，

9、利用后端的医疗图谱，能够为医生提示临床医疗 方案,为患者提供诊疗方法并答疑解惑10 L张栋等11 构建了基于隐马尔科夫模型的胎盘植入产前诊断方法，采用 Gini方法提取患病关联因素的特征集合，通过转化特征集合构建隐马尔科 夫模型结合Baum-Welch和Viterbi算法计算求解通过显隐状态关系， 实现胎盘植入产前诊断，但存在胎盘植入产后病理检验的滞后性和局限性 问题。Fergus等12 应用胎儿心率信号和先进机器学习算法对剖宫产和正常 阴道分娩进行分类，利用机器学习和胎儿心率信号可以直接了解胎儿的状 态，有助于过滤医务人员作为临床决策者的主观意见。其主要目的是提供 一个概念性证明，说明机器学

10、习能够客观地确定进行医疗干预的时间节点, 例如行剖宫产时可以帮助提示可预防的高危围产期死亡。该研究结果说明， 机器学习能明显提高剖宫产和正常阴道分娩中胎儿心率信号检测的效率， 优于产科医生和助产土的预测和以往研究报道的阴道分娩系统。四、AI在产科培训中的应用AI推动了医学诊疗和医学教学的开展，AI可用于辅助检查的结果判读、 临床问诊能力的培养和训练、分析能力的培养和学习13 1 AI可通过学 习管理软件，实现因材施教，根据学生的学习进度，为每个学生制定 适合自己的学习路径。AI亦可通过扮演教师教学的角色及模拟病人，有望 取代临床医生的局部功能及实际病人，实现对医学生临床问诊能力及分析 能力的培

11、养和考核；可有效地引导医学生建立起以循证医学为撤出的临床 思维，增强疾病诊治的科学性和有效性，从而建立起标准化的临床思路。 人工智能通过集成个性化建模、社会仿真和知识表达，能够提供随时随地 的学习支持14 ,可作为临床技能实践训练的重要补充。人工智能还可 以通过模拟现实临床体况为学生提供一种能够自主学习、加强感官认知、 易于操作的全方面的学习条件，使医学教育更高效。五、AI在产科学领域应用的缺乏与挑战01、安全问题信息安全和医疗安全是AI应用于医疗领域最主要的安全问题。随着AI在 产科医学中的快速开展，及AI医疗大数据的广泛应用，可能同时带来了 巨大的安全隐患15 L开展AI需要对大量数据进行

12、分析利用，进而提高 AI解决问题的能力和准确性，但这意味着可能会威胁到个人隐私。医疗健 康数据一旦被泄露，将直接影响个人隐私，比方人类免疫缺陷病毒感染数 据、乙型肝炎病毒感染数据、人工流产信息等私密数据。人工智能辅助诊 断、电子临床决策支持系统等在减少医疗本钱、提高诊疗水平的同时，同 样也存在安全风险。AI所作出的诊断及提出的治疗方案源于大数据，在临 床工作中因患者具体情况不同，AI可能会给出不恰当的解释或错误的治疗 方案。所以医务工作者仍需要根据患者的具体情况决定更合理的治疗方案, 这种综合的复杂判断力对于目前的AI技术还未能到达。02、数据质量AI医疗系统学习所用的数据是训练模型的教材，数

13、据的质量决定了 AI深 度学习的结果，高质量的大数据可以促进AI在产科领域更广泛及更精准 的应用16 L目前大量产科学数据未被充分开发，如何获取高质量的数 据是AI在产科学领域应用所面临的难题。当前我国医院与医院、院内科 系互不相连，医生手写病历规范性参差不齐，临床用药、检查结果等细节 缺失，患者失访率高，仍未对已经开发的数据实现国家统一的标准化和规 范化等各种原因，造成医疗存在数据错漏、质量不高的情况。不同种类和 质量的数据势必会影响AI模型的准确性和应用性。当采集的数据存在偏 差时，所得出的AI模型也会存在相应的偏差，甚至可能放大这种偏差。03、认识观念基于人文伦理的传统观念影响，接受AI

14、医疗这一事实可能还需要一段时 间。AI在医疗行业的开展和应用所涉及的诊断结果的责任界定、法律法规、 医学伦理和患者隐私保护等问题，都需要进一步明确。六、小结与展望医疗服务是由患者、医务人员、设备与技术、医院及监管部门等共同组成 的，人工智能技术的加入使得医疗过程中的各种关系可能发生变化，需要 重新建立一套高质量、高效率、更可信、更可靠的医疗系统，需要科研、 技术、政策、应用和产业等协同。AI广泛用于产科的预测、干预及人员 培训，利用多层人工神经网络预测产妇的妊娠结局，从个体角度采用最优 化方案解决孕期管理问题。AI与产科学的结合将成为医务人员最得力的助 手，能够为医护人员减轻重复劳动，提高效率，减少误诊、漏诊，能够切 实提升医疗服务质量，最终造福患者。AI目前在产科学领域的临床应用 已经有了一定成果，但诸多开发模型的普适性与有效性仍需要进一步研究。 随着科技的不断进步和开展,AI开展的未来之路还很长，需要我们不断努 力探索和开发。