一项利用人工智能的新分析研究了近10,000例妊娠，并揭示了与严重负面结果（例如死胎）相关的新风险因素组合。
研究显示，目前接受类似治疗的婴儿可能面临高达十倍的风险差异。
根据研究的高级作者纳森·布鲁博士的说法，研究人员开发的人工智能模型识别出一种“意想不到”的因素组合，增加了风险水平。他指出，这一模型标志着向更为定制化的风险评估和妊娠护理迈出关键一步。
研究结果已发表在《BMC妊娠与分娩》上。
意外风险
最初，研究人员使用了一套包含9558例妊娠的全面数据集，该数据集来自全国各地，涵盖各种社会和身体特征——从孕者的社会支持水平到血压、病史、胎儿体重等指标，以及妊娠结果。通过人工智能，他们发现了一些与死胎等不良结果相关的新组合的母体和胎儿特征。
通常，女性胎儿相比男性胎儿面临稍低的并发症风险——这一现象已得到充分证实。然而，研究团队发现，在孕妇有既往糖尿病的情况下，女胎儿的风险比男胎儿更高。
这一新发现凸显了人工智能模型在提供孕期健康新见解方面的能力，布鲁表示，他是犹他大学斯宾塞·福克斯·埃克尔斯医学院妇产科的助理教授。“它识别出即使是经验丰富的临床医生也可能忽视的东西，”他补充道。
研究人员特别希望提高对体重低于10%但不在底部3%的胎儿的风险预测，因为这些婴儿虽然体型较小会引发关注，但通常仍然健康。如何为这些妊娠制定合适的应对措施可能较为复杂：是否应进行密切监测以便提前分娩，还是让妊娠正常进行？当前的临床指南建议对所有此类情况进行广泛的医疗监督，这可能会带来显著的情感和经济负担。
然而，研究发现，在这组低体重胎儿中，不良妊娠结果的风险差异显著，从平均风险到几乎是常规的十倍。这种风险受胎儿性别、既往糖尿病的存在以及任何胎儿异常（如心脏缺陷）的影响。
布鲁强调，这项分析识别了变量之间的相关性，但并未确定导致负面结果的因果关系。
风险的广泛谱系与经验丰富医生的直觉理解相一致，后者意识到许多低体重胎儿是健康的。他们通常会考虑诸多额外因素，以便对风险和治疗进行个体化评估。然而，基于人工智能的风险评估工具可能会在这种“直觉判断”上提供显著的好处，使护理决策更加明智、一致和公平。
为什么选择人工智能？
评估妊娠风险，无论是由人还是由人工智能，均需考虑大量变量，包括母体健康和超声检查结果。尽管经验丰富的临床医生能够评估这些变量以做出个性化的护理决策，但即使是最优秀的医生也可能难以清晰阐述其结论背后的推理。人类的影响，例如偏见、情绪或疲劳，可能会微妙地影响其判断。
为应对这些挑战，研究人员实施了一种称为“可解释人工智能”的模型，该模型不仅基于一组妊娠因素评估风险，还阐明了哪些变量影响了该风险以及影响的程度。与传统的“黑箱”人工智能模型不同，这些模型通常即使对于专家来说也很模糊，可解释的人工智能“展示了其工作过程”，允许识别和解决偏见。
本质上，可解释的人工智能结合了专家临床判断的适应性与数据驱动分析的精确性。该模型擅长评估不常见的妊娠情境，为拥有独特风险因素组合的患者提供可靠的风险估计。最终，这些工具可能通过指导独特情况下的知情选择来增强个性化护理。
尽管研究人员仍需在新群体中进行进一步测试和验证，以确认其模型在现实世界中的预测，布鲁对此表示乐观，他认为可解释的人工智能模型可能使妊娠期间的风险评估和治疗发生变革。“人工智能可以根据个人的特定情况提供量身定制的风险估计，”他指出，“并以透明和一致的方式做到这一点，这是我们的人类大脑常常无法实现的。”
他总结道：“拥有这种能力将对我们这一领域产生革命性的影响。”
