研究团队利用机器学习改进胎儿心脏缺陷检测

加州大学旧金山分校的研究人员发现了一种方法，通过将常规超声成像与机器学习计算机工具相结合，可以使医生在检测子宫内绝大多数复杂的胎儿心脏缺陷时的准确性提高一倍，而干预措施既可以纠正这些缺陷，也可以大大提高儿童的生存机会。

由UCSF心脏病专家RIMA Arnaout，MD领导的团队培训了一组机器学习模型，以模仿临床医生在诊断复杂的先天性方面进行的任务心疾病（CHD）。在全球范围内，人类在出生前检测到这些条件的30％至50％。然而，人类进行的超声和机器分析的组合允许研究人员在其测试数据集中检测95％的CHD。

调查结果显示在可能的问题中自然医学．

美国和世界卫生组织普遍建议在妊娠中期进行胎儿超声检查。研究人员说，特别是胎儿心脏缺陷的诊断可以改善新生儿的预后，并使子宫内治疗的进一步研究成为可能。

“第二孕孕期筛选是妊娠中的一段仪式，识别胎儿是一个男孩或女孩，但它也被用来筛选出生缺陷，”纸张的助理教授和领导作者，Arnaout说。通常，该成像包括五种心脏观点，可使临床医生诊断高达90％的诊断先天性心脏病但在实践中，只有大约一半能在非专家中心检测到。

“一方面，心脏缺陷是最常见的出生缺陷，并以前诊断它们是非常重要的出生”,Arnaout说。“另一方面，它们仍然非常罕见，即使是训练有素的临床医生也很难发现它们，除非它们是高度专业化的。”在世界各地的诊所和医院，敏感性和特异性往往都很低。”

UCSF团队包括胎儿心脏病专家和高级作者Anita Moon-Grady，MD，训练了机床，以模仿临床医生的工作三个步骤。首先，他们利用神经网络找到五个对诊断很重要的心脏视图。然后，他们再次使用神经网络来判断这些视图是否正常。然后，第三种算法将前两步的结果结合起来，给出胎儿心脏是正常还是异常的最终结果。

“我们希望这项工作能够彻底改变筛查这些出生缺陷“UCSF Bakar计算健康科学研究所的智能影像学员和Chan Zuckerberg Biohub Intercampus研究奖颁发者的UCSF Bakar计算健康科学研究所Arnaout说。”我们的目标是帮助促进使用机器学习来解决诊断挑战的路径对于超声波在筛选和诊断中使用的许多疾病。“