胎儿宫内缺氧（胎儿窘迫）是分娩期常见风险，也是导致新生儿不良结局的重要原因。临床上，医生依靠胎心监护判断胎儿缺氧状况，但人工判读高度依赖医生的经验，成为产科临床实践中的一大痛点。

日前，中山大学附属第一医院妇产科副主任刘斌团队成功开发胎心监护人工智能预测模型（Cardiotocograpy AI Predictor, CAP），借助多中心大数据实现了更精准的胎儿缺氧预测，相关研究成果已发表于国际知名期刊BMC Medicine。

AI判别胎儿宫内缺氧：

更快、更准、更可信

胎儿的氧气依赖母体通过子宫、胎盘、脐带供给，分娩过程中子宫收缩会短暂减少胎盘血供，进而可能引发胎儿缺氧。数据显示，全球每年230万新生儿死亡案例中，有23%与胎儿缺氧直接相关。刘斌指出，当前临床判断胎儿缺氧主要依靠医生分析胎心监护图，但人工判读对临床经验要求较高，不同医生对同一份胎监图的判断结果可能存在分歧。

此前虽有AI胎监判读的相关研究，但大多存在两大短板：一是未开展大规模人机对比，无法证明AI判读精度优于医生；二是AI模型属于“黑箱”操作，仅给出结果却不说明判断依据，难以获得临床医生的信任。

针对这些问题，刘斌团队联合广州市妇女儿童医学中心、三明市第一医院，搭建起覆盖两省三中心、包含20780例胎监数据的大数据队列，并以此为基础训练出CAP人工智能预测模型。

为验证模型性能，团队还通过线上平台组织全国各省市的产科医生、助产士完成10571份胎监判读答卷，形成超10万条判读数据，与CAP模型展开对比测试。结果显示，该人工智能模型的判读准确性更高、速度更快。

同时，为打破AI“黑箱”困境，刘斌团队对模型进行了可解释性分析，结果表明AI判断宫内缺氧的核心指标，与临床医生常用的判别指标高度一致，符合胎儿缺氧的病理生理学改变，这也验证了模型判断的合理性。

刘斌介绍，未来该模型嵌入医院系统后，可同步显示胎监曲线与胎儿缺氧风险值，辅助医生快速作出判断。同时，模型还能作为标准化工具，提升基层医院胎监判读的准确性。目前团队仍在持续优化模型，计划整合多种算法筛选最优方案，并开展前瞻性临床研究，推动模型早日落地临床、服务患者。

一个产科医生的跨界之旅

作为临床医学出身的产科专家，刘斌在2019年敏锐发现，AI技术可有效赋能产科监护，于是下定决心跨界自学编程，开启自主研发之路。

“白天忙于临床工作，只能利用晚上和业余时间啃专业书籍、上网查询问题，从最基础的代码学起。”刘斌坦言，他经常熬夜调试代码，经过数年的实践，能够独立完成模型算法研发、数据训练、结果验证的全流程工作。

之所以坚持自主编写代码，刘斌表示，是为了让模型更贴合临床实际需求：“我天天在产科工作，最清楚胎监数据对应的胎儿状态，自己写代码能精准把控从数据到结果的分析过程，避免技术研发与临床需求脱节。”同时，作为研究生导师，掌握代码能力也能更好地指导学生，与计算机、AI领域专家沟通时，也能更顺畅地对接需求，提升项目推进效率。

而在模型可解释性分析环节，正是因为刘斌同时具备临床经验和代码能力，才能更精准地验证模型判断与临床共识的一致性，让AI的判断依据被广大临床医生理解和接受。

刘斌也强调，自己掌握编程技术是为了更好开展跨领域合作：“我非常欢迎计算机、人工智能领域的专家一起参与模型优化，进一步提升模型的准确性和实用性，让这项技术真正服务于母婴安全。”

文字/剪辑：南方+记者 张梓望

摄影：南方+记者 许舒智

通讯员 梁嘉韵