人工智能开启产前心脏病筛查新纪元：基于八项形态学异常的先天性心脏病精准检测

本综述系统评价了人工智能（AI）软件在孕中期胎儿超声筛查中识别八项与严重先天性心脏病（CHD）相关形态学异常的性能。研究表明，该AI系统对异常发现的整体检测灵敏度达98.7%，特异性达97.7%，且对严重CHD的检测灵敏度高达96.8%。该技术有望突破传统超声筛查的局限性，为提升产前CHD检出率提供创新解决方案。

研究背景

先天性心脏病（CHD）是最常见的出生缺陷，其产前诊断可通过优化围产期管理显著改善新生儿预后。目前产前诊断金标准胎儿超声心动图虽具有85-90%的准确率，但全球范围内主要依赖孕中期产科超声筛查，其检出率受操作者经验、设备差异及患者体质等因素影响，总体检出率仅30-60%。人工智能技术通过自动分析超声图像特征，有望弥补筛查环节的技术鸿沟。

研究方法

本研究回顾性纳入来自11个中心的877例孕中期（18^0/7-24^6/7周）胎儿超声检查，其中包含280例经确诊的严重CHD病例。由3名平均从业18年的胎儿心脏病学专家组成金标准评审组，对八项与严重CHD相关的形态学异常进行标注：心脏轴偏斜、右心室-左心室大小差异、三尖瓣-二尖瓣大小差异、肺动脉瓣-主动脉瓣大小差异、动脉骑跨、心尖间隔缺损、流出道关系异常及心胸比例增大。BrightHeart公司开发的AI软件通过分析二维灰度超声动态图像，对每项异常给出存在/不存在/不确定的判断。

研究结果

金标准验证显示八项异常对严重CHD的检测灵敏度达99.3%（278/280）。AI软件对整体异常检测的灵敏度为98.7%（95% CI 96.7-99.5%），特异性为97.7%（95% CI 96.1-98.6%），其中对严重CHD的检测灵敏度为96.8%。软件在98.7%的检查中可给出明确结论，各亚组（包括不同孕周、BMI、种族及设备型号）均保持稳定性能。测量类异常（如心胸比例）的判定成功率最高（100%），而流出道关系异常因图像复杂度存在3.5%的不确定率。

讨论与展望

本研究首次系统验证了AI在多中心真实世界数据中对CHD相关形态学标志物的检测效能。与既往仅进行正常/异常二分类的AI模型不同，该软件可解释性输出更易整合至临床工作流。局限性包括未纳入多胎妊娠数据，部分患者信息缺失，以及金标准未与产后病理完全对照。未来需开展前瞻性研究验证其在基层医疗机构的应用价值，并开发图像质量优化系统以应对复杂成像场景。

结论

AI软件通过自动识别八项关键超声形态学异常，为提升产前CHD筛查效率提供了可靠工具。其高灵敏度与特异性表现预示着人工智能辅助筛查技术有望成为改善先天性心脏病预后的重要突破点。