超声检查领域难度最高的产科超声筛查正在被AI“拿下”，这是几年前的王睿丽想象不到的。
作为河南省人民医院超声科副主任，王睿丽在临床一线工作30年，见证了产科超声对新生儿健康的贡献。据新华社报道，与5年前相比，全国因出生缺陷导致的婴儿死亡率和5岁以下儿童死亡率均降低30%以上，神经管缺陷、唐氏综合征等严重致残出生缺陷疾病发生率降低约23%。
但即便如此，由于超声技术的局限性、医生技术存在差异等原因，国内的产科超声漏检事件时有发生。如何减少人为因素，尽可能提高产科超声的准确性，减少漏检、漏诊？AI会是一个好助手吗？
7月15日，王睿丽接受《每日经济新闻》记者采访时表示，目前的AI超声在一定程度和范围内已经可以胜任产前筛查，但超声医生既有的操作习惯和认知是产品广泛应用的“坎儿”，AI应用于临床仍需面临普适性和伦理问题的挑战，AI产品的工作流、切面细节显示仍需提高。
河南省人民医院超声科副主任王睿丽图片来源：受访者供图
曾认为产科超声“最不可能被AI代替”
作为一名同时有着30多年教学经验的超声科医生，王睿丽曾认为产科超声是最不会被AI（人工智能）代替的超声检查。这是因为胎儿与位置固定的器官不同，其在子宫内羊水中体位变化无法固定，可能会出现不同姿势和位置旋转，孕妇的身体情况也会对图像显示有影响。
在此基础上，产科超声医生不仅需要观察羊水情况，胎盘位置，还要观察胎儿主要的解剖结构、生长发育情况，检测难度非常大，即便是同一位医生，在不同时间的测量结果也会存在差异。
现在，很多低年资医生都很难做好的筛查项目，正在被AI“拿下”。具体来说，当超声医生手持的超声探头在孕妇的肚皮上扫描时，AI超声会快速识别用于观测胎儿发育状况的多个标准切面，并自动获取最佳标准切面快速测量胎儿头围、腹围、股骨长、肱骨长等指标。根据王睿丽的使用体验，AI获取的标准切面质量和测量准确性都较高，既可以提高医生的操作效率，也能节省患者的就诊时间。
王睿丽告诉记者，产科超声医生的工作量非常繁重，每一名孕妇的检查时间通常在半小时左右，“一个医生在加班的情况下，上午最多能做8名中孕期孕妇的检查，现在很多孕妇要提前一个月甚至更长时间预约产前筛查”。如果使用AI妇产超声，这些时间会大大缩短。
另外，AI在超声领域的应用场景还包括质量控制和医生教学。王睿丽表示，按照国家超声医学质控中心对于产科超声的最新要求，每名孕妇的超声检查需要至少保存22个切面、24幅图片，但临床获取的图片基本是这一数量的两倍甚至更多，因此质控小组平均需要在每个病例上花费十几分钟的时间挑选图片，但AI可以将这一时间缩短到一分钟以内，甚至几秒钟就可以完成。
而且，AI还可以对产科超声图片进行打分评价和动作指导，在产前诊断中心培训基层医生时，这一功能可以辅助完成教学和评估任务，提高培训效率，从而更高效地培养出合格的基层医生，提升产前超声筛查的整体水平。
AI超声仍面临普适性和伦理问题的挑战
尽管“了解后发现AI很好用”，但王睿丽坦言，让临床医生接受这个新鲜事物并不是件容易的事，其中最大的障碍源于产科超声医生的认知和操作习惯。
一般来说，培养一名合格的超声医生，往往需要3到5年，而在产前胎儿筛查领域，则可能需要5到8年。临床经验充足的老医生们知道超声技术存在局限性，超声波在某些情况下可能无法穿透胎儿的部分组织，或者胎儿的位置和姿势可能影响超声波的传播，因此对AI技术的信任不足，更倾向于根据个人经验进行操作。
“有点类似于家长让孩子做家务活儿，你教他做一部分，然后你再去做他没有完成的那部分，看似更省劲儿。但实际上还不如自己一口气干完。”王睿丽说。
另外，不同的超声医生在打切面时有不同的工作习惯，比如有的医生习惯先查基本测量切面，按照头部、腹部、心脏、脊柱、肢体的顺序获取标准切面，但AI对图像的识别速度特别快，在探头滑过肚皮的瞬间，会留存一系列标准切面，而这些切面的顺序是随机的，因为和医生的检测习惯不同，这可能会在一定程度上会降低筛查或诊断效率。
王睿丽认为，这两种现象的背后，是AI超声广泛应用于临床的现实挑战。目前，AI产科超声获取标准切片的准确性和完整性已经在有关研究中得到验证，但由于产科超声的复杂性和高难度，AI产科超声在大规模样本中的普适性价值还需要进一步的研究验证，相关的伦理问题也值得关注。
在工作流方面，AI产科超声的厂家需要与临床医生持续沟通，“只有把产品的工作流做顺畅了，AI超声才可能被临床医生接受，如果医生的接受度提高了，应该很快就能成功”。据王睿丽观察，目前AI应用是国内外超声设备厂家共同的研究方向，国产厂商的最大优势在于与临床医生的沟通速度，“他们的反馈特别快，所以我觉得这个磨合的时间可能不会太久”。
目前主要是产前筛查，还无法做到辅助诊断
目前，AI在产科超声的主要应用场景是产前筛查，还无法做到辅助诊断。
王睿丽告诉记者，从检查指标看，产前筛查和产前诊断的超声检查并无明显区别，但面向的人群和标准不同，产前筛查一般面向所有孕妇，有筛查标准切面要求；但诊断则面向有遗传性疾病、生育不良家族史的孕妇，或胎儿在筛查中出现可疑问题的孕妇，由于没有标准化的切面要求，产前诊断的准确性更多地依赖于医生的个人经验。
据王睿丽了解，在产前诊断方面，部分AI超声已经能够识别胎儿某部位的正常与否，甚至能提供几种可能性较高的畸形类别供医生参考，这样的功能可以缩小诊断的范围，但这距离辅助诊断还有很长一段的距离。
例如，有一类头颅切面显示了胎儿存在脑积水，但脑积水对应的先天畸形种类很多，要判断胎儿属于梗阻性脑积水，还是Dandy-Walker综合征、脊柱裂等，临床医生需要观察超声的其他切面，搜寻能够支撑某种畸形的其他表征。在这一过程中，医生需要根据经验截取一些非常规的切面，这些切面缺乏大量可学习的数据样本，是现阶段AI还无法实现产前诊断功能的原因之一。
但王睿丽认为，辅助诊断一定是AI应用在超声领域的未来趋势。实际上，目前的AI超声已经建立起畸形种类的数据库，可以帮助医生“解放”大脑。例如，有些畸形是多器官、多部位的综合征，很多医生不可能只靠大脑记住，但AI可以通过读取超声图片、识别异常部位，输出综合征对应的常见畸形，并指引医生观察其他重点部位的切面，从而做出最终诊断。
“人工智能的时代已经来临，你只能接受它。而且只有越早接受、接受越快，才能够适应这个时代。”王睿丽认为，AI可以作为超声医生的辅助工具，使临床工作更高效、准确。但对于患者情感需求、心理关怀等工作，AI难以胜任，而这也是一个提醒——临床医生除了关注患者的身体，还应关注心理、情感、精神方面的需求。
