一种新开发的工具，利用计算机视觉和人工智能（AI），可能帮助医生在婴儿出生时快速评估胎盘，从而提高新生儿和母亲的护理质量。据西北大学和宾夕法尼亚州立大学的科学家们的新研究显示，这项技术有望改善新生儿和母亲的护理。
该研究于12月13日发表在《Patterns》杂志的印刷版上，并登上了该杂志的封面。研究描述了一种名为PlacentaVision的计算机程序，该程序可以通过分析胎盘的照片来检测与感染和新生儿败血症相关的异常情况。新生儿败血症是一种威胁生命的疾病，每年影响全球数百万新生儿。
“胎盘是我们实验室中最常见的标本之一。当新生儿重症监护室治疗生病的孩子时，即使是几分钟的差异也可能影响医疗决策。通过这些照片进行诊断，我们可以在正常流程中提前几天得到答案。”该研究的合著者、西北大学芬伯格医学院的围产期病理学主任兼病理学副教授杰弗里·戈德斯坦博士说。
西北大学提供了该研究中最大的图像集，戈德斯坦领导了算法的开发和故障排除。
该项目的主要研究员艾莉森·D·格纳德通过其全球卫生工作，特别是针对因缺乏医疗资源而在家中分娩的孕妇，提出了开发这一工具的最初想法。
“不检查就丢弃胎盘是一个常见但往往被忽视的问题，”宾夕法尼亚州立大学健康与人类发展学院营养科学系副教授格纳德说，“这是一个错失的机会，无法及时发现并提供早期干预，这可以减少并发症，改善母亲和婴儿的预后。”
为什么早期检查胎盘很重要
胎盘在怀孕期间对孕妇和胎儿的健康起着至关重要的作用，但在出生时往往没有得到彻底检查，尤其是在医疗资源有限的地区。
“这项研究可以拯救生命，改善健康结果，”信息科学与技术学院（IST）的博士生潘一木说，“它可以使胎盘检查更加普及，有助于未来妊娠的研究和护理，特别是对于高风险的母亲和婴儿。”
通过像PlacentaVision这样的工具早期识别胎盘感染，可以使医生采取及时行动，例如给母亲或婴儿使用抗生素，并密切监测新生儿的感染迹象，科学家们表示。
PlacentaVision旨在适用于各种医疗人群，研究人员表示。
该工具如何学会分析胎盘图片
研究人员使用跨模态对比学习，这是一种AI方法，用于对齐和理解不同类型数据之间的关系——在这种情况下，是视觉（图像）和文本（病理报告）。他们收集了一个涵盖12年时间的大型、多样化的胎盘图像和病理报告数据集，研究这些图像与健康结果的关系，并建立了一个能够基于新图像做出预测的模型。团队还开发了多种图像修改策略，以模拟不同的拍摄条件，从而适当评估模型的韧性。
结果是PlacentaCLIP+，一个强大的机器学习模型，可以高精度地分析胎盘照片，检测健康风险。该模型经过跨国验证，以确认其在不同人群中的表现一致性。
研究人员表示，PlacentaVision设计得易于使用，可以通过智能手机应用程序或集成到医疗记录软件中，以便医生在分娩后迅速获得答案。
下一步：为医务人员开发用户友好的应用程序
“我们的下一步包括开发一个用户友好的移动应用程序，可以在资源有限的诊所或医院由医务人员使用——只需最少的培训，”潘一木说。“用户友好的应用程序将允许医生和护士拍摄胎盘照片并立即获得反馈，从而改善护理。”
研究人员计划通过增加更多类型的胎盘特征和添加临床数据来使工具更智能，以改进预测并贡献长期健康研究。他们还将在不同医院测试该工具，以确保其在各种环境中都能正常工作。
“这项工具有可能改变出生后胎盘的检查方式，特别是在这些检查很少进行的世界部分地区，”格纳德说。“这一创新在低资源和高资源环境中都具有更大的可及性。通过进一步完善，它有潜力通过早期、个性化的干预措施预防严重健康结果，改善全球母亲和婴儿的生活。”
这项研究得到了美国国立卫生研究院生物医学成像和生物工程研究所（R01EB030130资助）的支持。研究团队使用了由美国国家科学基金会资助的先进网络基础设施协调生态系统：服务和支持（ACCESS）计划提供的超级计算资源。
(全文结束)
