Google 研究人员正在测试一种利用人工智能扩大产前超声检查可及性的方法，尤其面向缺乏专业设备或医学影像技师的地区。该方法先培训非专业医务人员进行简化的腹部扫描，再由运行在同一设备上的机器学习模型分析记录。
这项研究与 Jacaranda Health 和 Northwestern Medicine 合作开展，涵盖肯尼亚内罗毕的1,000名母亲，以及芝加哥的另外1,000名母亲。研究人员表示，该模型能够确定孕龄和胎儿位置，准确度与受过培训的超声技师相当。
这一理念如何运作？
在传统检查中，技师需要准确移动探头，以获得特定测量结果，这项技能需要大量实践培训。而研究所称的“盲扫”（blind sweep），则是按照预先确定的模式将探头扫过腹部。研究人员表示，从未进行过超声检查的医务人员可以在八小时内学会这一操作。
医务人员在扫描过程中录制视频，随后由人工智能模型进行分析。该模型可以提醒操作者是否需要重新扫描，还能估算孕龄并确定胎儿位置，即胎儿在子宫内的朝向。
实际会发生什么变化？
这种方法的重要性在于，它并不试图取代医学影像技师的全部职能，而是专注于可能影响分娩准备工作的基本信息。准确确定孕龄有助于医生解读胎儿发育情况、估算预产期，并准备应对需要提前分娩的情况。消息来源指出，错误估算孕龄可能导致新生儿所需护理水平出现显著差异，尤其是在将孕龄37周的胎儿误判为孕龄34周的胎儿，或反之时。
此外，处理工作在设备上完成，无需 Wi-Fi 连接或持续供电。这一特性解决了偏远诊所面临的部分限制：传统设备体积大、成本高，发生故障时可能难以维修；而便携式设备体积更小、成本更低，并且可以使用电池运行。
结果的局限性以及研究尚未证明的内容
研究结果显示，将两项特定指标——孕龄和胎儿位置——的获取范围扩大是可行的，但并未证明该系统可以取代全面的医学评估，也不能取代专业技师完成所有类型的孕期检查。此外，消息来源没有提及监管审批详情、具体错误率或商业化推出计划，因此这一结果仍属于证明理念可行性的研究。
对 certi.news 而言，这里的实际变化并不是推出一款新设备，而是将部分超声影像技能转移到一种可以在数小时内学会的工作流程中，然后利用本地处理模型提取特定的临床信息。其影响仍取决于设备质量、培训和医学监督，以及卫生系统根据结果采取行动的能力。