通过人工智能驱动的规范建模来预测胎儿腹腔大的脑脊液干预
Minerva Zhou1, Siddharthasiva A Rajan1, Pierre Nedelec1
1From the Department of Radiology & Biomedical Imaging (M.H.Z., S.A.R., P.N., O.G., E.G., A.M.R.), School of Medicine (J.B.B.), Department of Neurologic Surgery (N.G.), and Department of Neurology (D.G.), University of California, San Francisco, CA, USA.
AJNR. American journal of neuroradiology
|September 16, 2025
概括
一种人工智能方法使用MRI准确量化胎儿大脑心室,预测胎儿心室巨 (VM) 病例需要进行干预. 这种深度学习方法有助于早期检测和管理VM进展到头.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 胎儿医学 胎儿医学
背景情况:
- 胎儿腹腔巨变 (VM) 是常见的,但可以进展为水头,需要干预.
- 目前的区分方法依赖于主观评估和有限的二维测量.
- 需要客观和可重复的体积分析来准确诊断.
研究的目的:
- 开发一种由人工智能驱动的方法,使用MRI对胎儿大脑心室进行细分和量化.
- 为心室体积建立一个规范的参考范围.
- 预测有VM的胎儿需要产后干预的需要.
主要方法:
- 追溯研究222个单独怀孕.
- nnUNet模型在机构和公共胎儿大脑MRI上受过胎儿心室细分的训练.
- 模型验证并应用于正常和VM胎儿大脑,以建立规范范围和预测干预需求.
主要成果:
- 高质量和精确的心室细分 (中位数为0.96).
- 对于跨妊娠年龄建立的腹腔体积的规范性参考范围.
- 人工智能模型在预测VM和需要产后干预 (AUC 0.97) 中取得了高准确度 (AUC 0.97).
结论:
- 一种深度学习方法可以从MRI中快速准确地量化胎儿心室体积.
- 衍生的规范性参考标准可以预测VM和需要产后脑脊液干预的需要.
- 腹腔体积增加是需要产后干预的强烈预测因素.
