Die Weltgesundheitsorganisation schätzt, dass jedes Jahr weltweit mehr als 250.000 vermeidbare Todesfälle durch schwangerschaftsbedingte Komplikationen auftreten. Pränataler Ultraschall kann die Ergebnisse verbessern und die fetale und mütterliche Sterblichkeit senken, doch zwei Drittel der Weltbevölkerung haben keinen Zugang zu diagnostischer Bildgebung wie dem Ultraschall. Die bisherigen Methoden hängen stark von einer spezialisierten klinischen Ausbildung ab, sodass Millionen Menschen in ressourcenarmen Regionen während ihrer Schwangerschaft nicht ein einziges Mal geschallt werden.
Um diese Lücke zu schließen, haben Forschende Systeme des maschinellen Lernens entwickelt, die sogenannte „Blind-Sweep“-Ultraschalluntersuchungen auswerten. Bei dieser Scanmethode können medizinische Fachkräfte an vorderster Front ohne sonografische Ausbildung Untersuchungen durchführen, indem sie kostengünstige, tragbare Sonden in einem standardisierten Muster über den Bauch führen. Da in vielen Regionen ein kritischer Mangel an Fachkräften herrscht und die traditionelle Ausbildung von Sonografeuren teuer ist und Jahre dauert, könnte eine minimale Schulung in Kombination mit KI-gestützter Auswertung die Abdeckung des pränatalen Screenings deutlich erweitern.
In einer im JAMA Network Open veröffentlichten Studie untersuchten die Forschenden, wie gut ein KI-Modell zur Bestimmung des Gestationsalters in verschiedenen klinischen Umgebungen und mit unterschiedlicher Hardware funktioniert. Das Gestationsalter, also wie weit eine Schwangerschaft fortgeschritten ist, bildet die Grundlage großer Teile der pränatalen Versorgung, darunter Entscheidungen zu Screening, Behandlung und Entbindung. Frühere Untersuchungen hatten das Modell an bisher ungesehenen Patientinnen aus derselben Kohorte validiert, aus der es gelernt hatte. Diese prospektive Studie prüfte, ob das System zuverlässig arbeitet, wenn es live auf mobilen Geräten in echten Kliniken läuft, mit unerfahrenen Anwendern und ungewohnter Ausrüstung.
Das Modell wurde am Northwestern Medicine in Chicago getestet, einem urbanen, ressourcenstarken akademischen Zentrum, sowie bei Jacaranda Health in Nairobi, Kenia, einem Netzwerk urbaner Gemeinschaftskliniken. Die Standorte unterschieden sich darin, wann Frauen mit der pränatalen Betreuung beginnen, wie viele Routineultraschalluntersuchungen sie erhalten und wie das Gestationsalter bestimmt wird. Für die Feinabstimmung auf die neue Sondenhardware wurde ein kleiner Pilotdatensatz mit 120 Teilnehmerinnen aus Chicago verwendet, etwa 6 % des ursprünglichen Trainingsdatensatzes. Daten aus Nairobi wurden nicht verwendet, sodass die kenianische Validierung ein streng unabhängiger Test der Generalisierbarkeit blieb.
Quelle: Google AI Blog · Zusammengefasst von HeadlinesBriefing