Przewidzenie terminu rozwiązania ciąży jest szalenie trudne. Oczywiście wszyscy wiemy, że ciąża naszego gatunku trwa 9 miesięcy, ale to jedynie zaokrąglenie. Ginekolodzy prowadzący ciążę i położnicy mają bardziej precyzyjne metody szacowania, ale dokładny termin porodu wciąż pozostaje źródłem niepewności medyków i rodziców.
To może do prowadzić do przedwczesnych interwencji medycznych lub opóźnień w niezbędnej opiece, zwłaszcza jeśli poród nastąpi kilka tygodni przed oszacowanym terminem bez potrzeby podawania dodatkowych czynników ryzyka. Konsekwencje takich pomyłek bywają poważniejsze, niż mogłoby się wydawać.
Czytaj też: Firma Norton dołącza do trendu wyszukiwarek AI. Będziecie korzystać z Neo?
AI dobrze przewiduje termin porodu
Sztuczna inteligencja daje nadzieję na zmianę tej sytuacji. Naukowcy z University of Kentucky opracowali model Ultrasound AI, który bardzo dobrze przewiduje termin porodu. Jako dane wejściowe służą mu zdjęcia ultrasonograficzne. Jako że rodzice mają zwykle całą kolekcję wydruków USG, dane są dostępne na wyciągnięcie ręki.
Model AI został wytrenowany na imponującej bazie 877 141 skanów zdjęć USG pochodzących od 5714 pacjentek, gromadzonych między 2017 a 2021 rokiem. Kluczową innowacją jest samodzielność systemu – nie potrzebuje dodatkowych informacji medycznych ani pomiarów wykonanych przez personel. Obliczenia wyznaczające termin porodu można teoretycznie wykonać nawet przy okazji rutynowej kontroli położniczej.
System analizuje cyfrowe sygnały bezpośrednio z obrazów dostarczonych przez ultrasonograf, wychwytując wzorce niedostrzegalne dla ludzkiego oka. To czyni go potencjalnie lepszym od personelu medycznego.
Najnowsza wersja modelu AI, opisana w artykule na łamach The Journal of Maternal-Fetal & Neonatal Medicine osiągnęła współczynnik R² wynoszący 0,92, czułość 39 proc. i swoistość 93 proc. Oznacza to, że wyjaśnia 92 proc. zmienności w przewidywaniu terminu porodu, co stanowi wyraźną poprawę w stosunku do tradycyjnych metod. Autorzy badania nie wykonali żadnego porównania, zresztą nie ma to obecnie większego sensu – model AI ciągle się uczy i jego skuteczność będzie rosła tak długo, jak poprawianie jej będzie opłacalne.
Co istotne, dokładność utrzymuje się na porównywalnym poziomie we wszystkich trymestrach ciąży. Średni błąd bezwzględny wyniósł 15,06 dni na początku ciąży, 14,25 dni w drugim trymestrze i 12,16 dni w trzecim. Ta stabilność zwiększa potencjalną przydatność narzędzia w praktyce klinicznej. Będzie to jednak kolejne narzędzie dodatkowe, a nie wyrocznia. Dla spontanicznych porodów przedwczesnych średni błąd wyniósł 19,99 dni, co jest najważniejszą korzyścią ze stosowania AI wyznaczającej termin porodu. AI może pomóc identyfikować pacjentki wysokiego ryzyka bez kosztownych dodatkowych badań. To szczególnie istotne w regionach o ograniczonym dostępie do specjalistycznej diagnostyki.
AI może przewidywać narodziny wcześniaków
Szczególnie obiecujące są postępy w przewidywaniu porodów przedwczesnych (według WHO między 22. i 37. tygodniem ciąży), stanowiących obecnie główną przyczynę śmiertelności noworodków. Około 70 proc. umierających w Polsce noworodków to właśnie wcześniaki, przy czym współczynnik zgonów w 2023 roku wynosił 3,9 na 1000 urodzeń żywych (dane GUS). W ostatnich latach Polsce nieco ponad 7 proc. ciąż zakończyło się przed terminem.
Czytaj też: Według plotek, dziecko Jony’ego Ive’a i Sama Altmana może wejść do masowej produkcji w 2027 roku
Nie należy jednak ignorować istotnych zastrzeżeń. Dane treningowe pochodziły wyłącznie z jednego ośrodka, co budzi pytania o uniwersalność rozwiązania w różnych populacjach. System nie uwzględnia historii medycznej pacjentek ani biomarkerów, które mogą wpływać na przebieg ciąży. To jednocześnie zaleta, bo można przeprowadzić badanie relatywnie niskim kosztem, oraz wada, bo można pominąć istotne informacje. Oczywiście organizm ludzki to nie zegarek, więc stuprocentowej pewności osiągnąć się nie da.
Problemem pozostaje również sposób interpretowania wyników. Lekarze otrzymują jedynie ogólne mapy aktywacji modelu, podczas gdy szczegółowe działanie sieci neuronowej pozostaje dla nas tajemnicą. Brak przejrzystości może utrudniać akceptację w środowisku medycznym przyzwyczajonym do zrozumiałych eksperymentów i czytelnych statystyk.
Badacze zapowiadają dalsze prace nad integracją dodatkowych parametrów klinicznych oraz rozszerzeniem bazy o dane z innych ośrodków. Planowane jest także uwzględnienie informacji genetycznych.