评估精度不劣于专家：AI盲扫超声前瞻性研究发布
2026年10月21日，Google Research发布博客文章，总结了一项关于AI辅助超声评估孕龄的前瞻性诊断研究。该同行评审研究题为《Generalization of AI-Based Gestational Age Assessment Using Blind Sweep Ultrasonography》，此前已于2026年7月9日发表在《JAMA Network Open》上。
临床评估数据显示，该AI模型在估算孕龄时的平均绝对误差（MAE）为4.18天，相比专家级超声医师4.48天的MAE，证实了AI系统在孕龄评估上的非劣效性。
在胎儿体重极端（高于第90百分位数）的复杂情况下，该AI模型的表现还优于传统的生物测量公式。
降低专业技术门槛与跨地域泛化测试
世界卫生组织估计，全球每年有超过25万例因妊娠并发症导致的死亡本可预防，且全球有三分之二的人口缺乏获得超声等诊断性医学影像的途径。传统的超声检查需要漫长且昂贵的临床培训，导致许多地区面临严重的超声专家短缺。
针对这一医疗瓶颈，研究采用了“盲扫（blind sweep）”技术，未受过专业超声训练的一线医务工作者只需按照标准化的腹部滑动路径即可完成扫描。分析认为，该系统通过降低操作员的技术门槛，具备显著扩大产前筛查覆盖面的潜力。
该研究将AI系统与商用Clarius C3手持式经腹探头配对部署，主要评估队列包含385名孕龄在16至36周之间的受试者，其中包括来自芝加哥的192名受试者和来自内罗毕的193名受试者。
在跨地域表现测试中，该模型在芝加哥取得了4.10天的MAE；而在对内罗毕站点进行零本地优化调整的前提下，同样取得了4.27天的MAE，展现出跨越不同医疗环境的泛化能力。
真实临床部署经验
在将系统部署到实际临床工作流程中时，研究人员发现，为保证连续接诊患者时设备电量充足，可插拔电池的设计比插入式扩展坞具有更高的实用重要性。