不会做超声也能测胎龄：谷歌 AI 盲扫超声前瞻研究误差 4.18 天，不劣于专家

谷歌研究与 Google for Health 在博客中介绍了一项发表在 JAMA Network Open 上的前瞻性多中心研究：AI 辅助的盲扫超声，能让没有超声技师培训的基层医护，用低成本便携探头给出接近专家水平的胎龄评估。

问题的背景是供给，而不是算法。世界卫生组织估计，全球每年有超过 25 万人死于妊娠相关并发症，而约三分之二的人无法获得超声这类诊断影像；在资源匮乏地区，一些孕妇整个孕期一次超声都做不上。

盲扫的做法是把门槛降在操作侧：基层人员不需要学会解读图像，只需按标准化路径用便携探头在腹部滑动完成扫描，由模型负责判读，因此不必投入多年时间的超声技师训练。

研究设计值得细看。模型最初用美国北卡罗来纳州和赞比亚共 1968 名参与者的数据训练，随后只用芝加哥 120 名参与者（约为原训练集约 6%）的数据做最小幅度微调，以适配新的探头硬件 Clarius C3 手持经腹探头，并把预测范围扩展到 36 周以上。

前瞻测试在两个差异很大的场景进行：芝加哥的西北大学医学中心（n=192）和内罗毕的 Jacaranda Health 社区诊所网络（n=193）。关键点在于，内罗毕的数据完全没有参与微调，属于严格的外部独立验证。

结果是，在两种环境下，该系统判断胎龄的能力都不劣于专家超声医师，合并平均绝对误差为 4.18 天，专家为 4.48 天。研究还把多胎妊娠纳入评估，这类情况对人类操作者和自动系统都不容易处理。

这项工作的意义不在于又一个医学影像模型，而在于它给出了一条可复制的部署路径：极小的本地微调量、廉价的硬件、未经专业训练的操作者，也能在真实诊所里跑出可用精度。

接下来要看的，是这类系统如何进入监管审批与采购流程，以及在更多地区、更多探头型号上，泛化能力是否还能维持。对基层产科而言，一台能给出胎龄的便携设备，可能比一个更强的模型更有价值。