AI 资讯聚合 · 大模型

谷歌盲扫超声:新手扫 6 遍,孕周误差追上专家

美国大模型医疗 AI超声Google Research · 2026-10-21 · 约2分钟 · 来源:Google Research 官方博客
谷歌盲扫超声:新手扫 6 遍,孕周误差追上专家

Google Research 与 Google for Health 10 月 21 日介绍一项发表在 JAMA Network Open 的前瞻多中心研究:没有超声经验的基层操作者按固定流程在腹部做 6 次「盲扫」,模型直接从超声视频估孕周,不需要操作者去找标准生物测量切面。原模型在 1,968 名参与者(美国北卡罗来纳与赞比亚)上训练,只借芝加哥 120 人(约为原训练集 6%)做轻量微调,用来适配新手持探头并把预测范围推到 36 周以后。

结果是在两个目标场景前瞻测出来的:芝加哥 192 人、内罗毕 193 人,且内罗毕数据完全不参与微调,属独立外部验证。合并平均绝对误差 4.18 天,对照专家超声的 Hadlock 公式法 4.48 天,达到事先设定的 1 天非劣边界(期刊摘要记为 4.2 天对 4.5 天,95% CI 分别为 3.8–4.6 与 4.1–4.9)。世卫组织估计每年约 25 万例死亡与妊娠并发症相关且可预防,而全球约三分之二的人拿不到超声这类诊断影像。

限制也在同一份材料里:36 周以后性能明显分化(内罗毕 n=54 时模型误差 12.0 天、临床 5.0 天,作者归因于当地流程未对操作者设盲);只验证了 Clarius 一家新硬件;多胎与极端体重样本量偏小。另外这项研究的采集期是 2022 年 3 月至 2024 年 9 月,新的是发表与跨中心验证结论,不是新采集的数据。

原文链接:Google Research 官方博客

核验记录
官方博文 research.google/blog/empowering-frontline-maternal-care-with-ai-assisted-ultrasound/ 直读 200(182,283 字节):页首可见 October 21, 2026(该页无 JSON-LD datePublished,日期只此一处可见文字,署名 Angelica Willis / Nichole Young-Lin)。期刊一手为 JAMA Network Open(DOI 10.1001/jamanetworkopen.2026.22484,PMID 42424080),摘要数字与博文交叉一致(4.2 vs 4.5 天,非劣界 1 天);期刊页的独立发表日字段本轮未直读,定日取 Google 官方博文。配图裸请求与带 Referer 双 200 / JPEG 18,049 字节。