财富牛胎儿是不是缺氧？医生跨界亲手开发了AI判断模型

视频来源：南方都市报

AI判别胎儿宫内缺氧

更快、更准、更可信

胎儿的氧气依赖母体通过子宫、胎盘、脐带供给，分娩过程中子宫收缩会短暂减少胎盘血供，进而可能引发胎儿缺氧。数据显示，全球每年230万新生儿死亡案例中，有23%与胎儿缺氧直接相关。刘斌指出，当前临床判断胎儿缺氧主要依靠医生分析胎心监护图，但人工判读对临床经验要求较高，不同医生对同一份胎监图的判断结果可能存在分歧。

此前虽有AI胎监判读的相关研究，但大多存在两大短板：一是未开展大规模人机对比，无法证明AI判读精度优于医生；二是AI模型属于“黑箱”操作，仅给出结果却不说明判断依据，难以获得临床医生的信任。

针对这些问题，刘斌团队联合广州市妇女儿童医学中心、三明市第一医院，搭建起覆盖两省三中心、包含20780例胎监数据的大数据队列，并以此为基础训练出CAP人工智能预测模型。

为验证模型性能，团队还通过线上平台组织全国各省市的产科医生、助产士完成10571份胎监判读答卷，形成超10万条判读数据，与CAP模型展开对比测试。结果显示，该人工智能模型的判读准确性更高、速度更快。

同时，为打破AI“黑箱”困境，刘斌团队对模型进行了可解释性分析，结果表明AI判断宫内缺氧的核心指标，与临床医生常用的判别指标高度一致，符合胎儿缺氧的病理生理学改变，这也验证了模型判断的合理性。

刘斌介绍，未来该模型嵌入医院系统后，可同步显示胎监曲线与胎儿缺氧风险值，辅助医生快速作出判断。同时，模型还能作为标准化工具，提升基层医院胎监判读的准确性。目前团队仍在持续优化模型，计划整合多种算法筛选最优方案，并开展前瞻性临床研究，推动模型早日落地临床、服务患者。

一个产科医生的跨界之旅

作为临床医学出身的产科专家，刘斌在2019年敏锐发现，AI技术可有效赋能产科监护，于是下定决心跨界自学编程，开启自主研发之路。

“白天忙于临床工作，只能利用晚上和业余时间啃专业书籍、上网查询问题，从最基础的代码学起。”刘斌坦言，他经常熬夜调试代码，经过数年的实践，能够独立完成模型算法研发、数据训练、结果验证的全流程工作。

之所以坚持自主编写代码，刘斌表示，是为了让模型更贴合临床实际需求：“我天天在产科工作，最清楚胎监数据对应的胎儿状态，自己写代码能精准把控从数据到结果的分析过程，避免技术研发与临床需求脱节。”同时，作为研究生导师，掌握代码能力也能更好地指导学生，与计算机、AI领域专家沟通时，也能更顺畅地对接需求，提升项目推进效率。