一项新开发的结合计算机视觉和人工智能（AI）的工具可能帮助临床医生在出生时迅速评估胎盘，从而潜在地改善新生儿和产妇护理。这项研究由西北大学医学院和宾夕法尼亚州立大学的科学家进行，发表在《Patterns》杂志上，并登上了该期刊的封面。
研究报告指出，PlacentaVision是一种计算机程序，可以分析胎盘的照片，以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危及生命的状况，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样本之一，”研究合著者、西北大学费因伯格医学院病理学副教授兼围产期病理学主任Jeffery Goldstein博士表示，“当新生儿重症监护室治疗生病的孩子时，即使是几分钟也可能对医疗决策产生重大影响。通过这些照片的诊断，我们可以比正常流程提前几天获得答案。”
西北大学提供了最大的图像集用于该研究，Goldstein领导了算法的开发和故障排除。该项目的主要研究人员Alison D. Gernand博士最初通过她的全球健康工作，特别是在那些由于缺乏医疗资源而在家分娩的孕妇中，提出了这个工具的想法。
“不检查就丢弃胎盘是一个常见但常被忽视的问题，”Gernand说，她是宾夕法尼亚州立大学健康与人类发展学院营养科学系的副教授。“这是一个错失的机会，无法识别问题并提供早期干预，这可能会减少并发症并改善母亲和婴儿的结果。”
早期识别胎盘感染可能使临床医生采取及时措施，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环境。
“在资源匮乏地区——那些医院没有病理实验室或专家的地方——这个工具可以帮助医生快速发现胎盘感染等问题，”潘伊慕（Yimu Pan）说，他是宾夕法尼亚州立大学信息科学与技术学院博士生，也是该研究的第一作者。“在设备完善的医院，该工具最终可能帮助医生确定哪些胎盘需要进一步详细检查，使过程更高效，并确保最重要病例得到优先处理。”
为了使该工具能够在全球范围内部署，科学家们需要确保模型足够灵活以处理各种诊断，并且足够强大以应对不同的分娩条件，包括光照、成像质量和临床环境的变化。
“我们的AI工具需要在许多训练图像来自设备完善的都市医院的情况下仍能保持准确性，”宾夕法尼亚州立大学信息科学与技术学院杰出教授James Z. Wang博士表示。“确保PlacentaVision能够处理各种现实条件至关重要。”
研究人员使用了一种AI方法来理解不同类型数据之间的关系——在这种情况下，是胎盘图像和病理报告。他们收集了一个涵盖12年的多样化数据集，研究了图像与健康结果的关系，并建立了一个可以根据新图像做出预测的模型。团队还开发了图像修改策略，以模拟不同的拍照条件。
结果是PlacentaCLIP+，一个强大的机器学习模型，可以分析胎盘照片以高精度检测健康风险。它经过跨国验证，以确认其在不同人群中的表现一致性。
据作者称，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。
下一步包括开发一个用户友好的移动应用程序，可以在资源匮乏的诊所或医院中使用，允许医生和护士拍摄胎盘照片并立即获得反馈，从而改善护理质量，潘伊慕表示。
科学家们计划通过增加更多类型的胎盘特征和添加临床数据来改进预测，同时为长期健康研究做出贡献。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有效工作。
“这个工具有可能改变胎盘在出生后的检查方式，尤其是在这些检查很少进行的世界部分地区，”Gernand说。“这种创新有望在低资源和高资源环境中提高可及性。通过进一步改进，它有可能通过早期、个性化的干预来预防严重的健康结果，改善全球母亲和婴儿的生活。”
(全文结束)
