根据 1 月 4 日在线发表在JAMA Network Open上的一项研究，与手动胎儿生物测量相比，基于标准平面超声图像和飞行超声视频的人工智能 (AI) 模型在估计胎龄方面具有更高的准确性。

来自加利福尼亚州帕洛阿尔托 Google Health 的 Chace Lee 及其同事使用 AI 来解释标准平面超声检查图像和飞行超声检查视频，以改进孕龄估计。开发并验证了三种 AI 模型：使用标准平面图像的图像模型、使用飞行视频的视频模型以及结合图像和视频模型的集成模型。模型的训练和评估是根据胎儿年龄机器学习计划队列的数据进行的。为 404 名参与者的测试集计算数据。

研究人员发现，所有模型在统计学上都优于基于标准胎儿生物测量的胎龄估计，这些胎龄估计来自专家超声检查师捕获的图像。与临床标准胎儿生物测量相比，整体模型的平均绝对误差最低(平均差，-1.51 天)。对于预计小于胎龄的胎儿，所有三种模型的表现均优于标准生物测量学，幅度更大。

“由于我们的模型是建立在常规胎儿超声检查期间收集的数据之上的，因此它们有可能无缝地融入常规临床工作流程中，”作者写道。