一项由西北医学大学和宾夕法尼亚州立大学的科学家们开展的最新研究显示，一种结合了计算机视觉和人工智能（AI）的新工具能够快速分析新生儿出生时的胎盘，这可能对改善新生儿和产妇的护理有着重大意义。
这项研究发表在12月13日的《Patterns》杂志上，并荣登封面，介绍了一个名为PlacentaVision的计算机程序，它能够通过分析胎盘的简单照片来检测与感染和新生儿败血症相关的异常。新生儿败血症是一种严重的疾病，影响着全球数百万新生儿。
“胎盘是我们在实验室中常见的标本之一，”研究的合著者、西北大学范伯格医学院围产期病理学主任杰弗里·戈德斯坦博士说。“在新生儿重症监护室，即使是几分钟的时间也可能对医疗决策产生重大影响。通过这些照片的诊断，我们可以比常规流程提前几天得到结果。”
西北大学为这项研究提供了最大的图像集，戈德斯坦博士领导了算法的开发和故障排除工作。
项目的联系首席研究员Alison D. Gernand在全球卫生工作中萌生了这一工具的初步构想，特别是针对那些在家中分娩、缺乏医疗资源的孕妇。
“未经检查就丢弃胎盘是一个常见但经常被忽视的问题，”宾夕法尼亚州立大学健康与人类发展学院营养科学系副教授Gernand说。“这错失了发现问题并进行早期干预的机会，而这些干预可以减少并发症并改善母亲和婴儿的结果。”
胎盘在怀孕期间对孕妇和婴儿的健康至关重要，但在分娩时往往不会得到彻底检查，尤其是在医疗资源有限的地区。
“这项研究可以挽救生命并改善健康状况，”信息科学与技术学院信息学项目博士生、这项研究的主要作者潘一木（音）说。“它可以使胎盘检查更加容易，有利于未来怀孕的研究和护理，特别是对于并发症风险较高的母亲和婴儿。”
科学家们表示，通过PlacentaVision等工具及早识别胎盘感染可能使临床医生能够及时采取行动，例如给母亲或婴儿注射抗生素并密切监测新生儿是否有感染迹象。
据研究人员介绍，PlacentaVision适用于多种医疗人群。“在资源匮乏的地区——医院没有病理实验室或专家的地方——这种工具可以帮助医生快速发现胎盘感染等问题，”潘说。“在设备齐全的医院，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，使检查过程更加高效，并确保最重要的病例得到优先处理。”
“在这种工具能够在全球范围内部署之前，我们面临的核心技术障碍是使模型足够灵活，以处理与胎盘相关的各种诊断，并确保该工具足够强大，能够处理各种分娩条件，包括照明条件、成像质量和临床环境的变化，”宾夕法尼亚州立大学IST学院杰出教授、这项研究的主要研究人员之一James Z. Wang表示。“即使许多训练图像来自设备齐全的城市医院，我们的人工智能工具也需要保持准确性。确保PlacentaVision能够处理各种现实世界条件至关重要。”
研究人员使用跨模态对比学习，这是一种用于对齐和理解不同类型数据（在本例中为视觉（图像）和文本（病理报告））之间关系的AI方法，来教计算机程序如何分析胎盘图片。他们收集了跨越12年的大量多样化胎盘图像和病理报告数据集，研究了这些图像与健康结果的关系，并建立了一个可以根据新图像进行预测的模型。该团队还开发了各种图像修改策略来模拟不同的拍照条件，以便正确评估模型的弹性。
最终成果是PlacentaCLIP+，这是一种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。该模型经过跨国验证，确保在不同人群中具有一致的性能。
据研究人员介绍，PlacentaVision的设计非常易于使用，可以通过智能手机应用程序运行，也可以集成到医疗记录软件中，以便医生在分娩后快速得到答案。
下一步：为医务人员提供用户友好的应用程序
“我们下一步计划包括开发一款用户友好的移动应用程序，供医疗专业人员使用，只需接受最低限度的培训，即可在资源匮乏的诊所或医院使用，”潘说。“这款用户友好的应用程序将允许医生和护士拍摄胎盘并立即获得反馈，从而改善护理。”
研究人员计划通过纳入更多类型的胎盘特征和添加临床数据来提高该工具的智能程度，从而改善预测能力，同时为长期健康研究做出贡献。他们还将在不同的医院测试该工具，以确保其在各种环境下都能发挥作用。
Gernand表示：“该工具有可能改变产后胎盘检查方式，尤其是在世界上很少进行此类检查的地区。这项创新有望在资源匮乏和资源丰富的环境中提高可及性。通过进一步改进，它有可能通过实现早期个性化干预来改变新生儿和产妇护理，从而防止严重的健康后果并改善全世界母亲和婴儿的生活。”
