AI 盲扫超声孕龄评估通过跨地域验证：芝加哥与内罗毕误差均约 4 天 AI 盲扫超声孕龄评估通过跨地域验证：芝加哥与内罗毕误差均约 4 天

准确的孕龄评估是产前照护的基石，却依赖训练有素的超声医师——这在许多低资源地区难以满足。一项发表于《JAMA Network Open》的前瞻性诊断研究表明，由新手操作者完成的”盲扫”超声结合 AI，能够跨越训练环境、推广到全新的临床场景，把孕龄估计误差控制在约 4 天[1]。

什么是”盲扫”超声

传统产科超声需要操作者精准定位胎儿结构并测量，门槛很高。盲扫（blind sweep）则让未受过正式超声培训的人员，按标准化流程用探头在孕妇腹部做几次固定方向的扫掠，采集图像后交由 AI 判读。这一模式此前已被证明可行，但其在新地区、新设备上的”泛化能力”一直缺乏验证。

芝加哥与内罗毕的双城验证

研究由 Google 团队联合美国西北大学与肯尼亚 Jacaranda Health 开展，覆盖 2043 名参与者（芝加哥 1008 人、内罗毕 1035 人）。模型仅用来自 1 个地点的 120 名芝加哥参与者数据做”轻量适配”，随后在 385 名参与者（芝加哥 192、内罗毕 193，孕龄 16 至 36 周）的主评估集上检验。数据采集通过一款内置 AI 系统的移动应用完成。

误差约 4 天，非劣于专家

结果显示，适配后的模型在芝加哥的平均绝对误差（MAE）为 4.1 天，在内罗毕为 4.3 天。整体上，AI 模型对孕龄的估计非劣于临床标准（专家超声）：MAE 4.2 天对 4.5 天（P < .001）[1]。值得注意的是，模型不仅跨越了地理与人群差异，还适应了不同的超声探头。

扩展产检可及性的潜力

研究者认为，这些发现说明 AI 盲扫超声具备”跨场景可扩展部署”的潜力，尤其有望在低资源地区扩大产前照护的可及性。当然，作者也披露多数团队成员为 Google 雇员，相关方法已申请专利——技术走向普惠临床，仍需独立验证与在地化落地。对全球范围内产检资源不足的孕产妇而言，一部手机加几次扫掠就能获得可靠孕龄，其意义不容小觑。