卡内基梅隆大学（CMU）的研究人员开发了一种机器学习技术，该技术可扫描胎盘样本以寻找未来怀孕中健康风险的迹象。
该系统旨在帮助医生完成工作，医生有时会扫描胎盘以寻找随后妊娠中出现并发症的迹象。
最大的警告信号之一是血管被称为病变 蜕膜血管病变。 他们的存在表明母亲可能患有先兆子痫，这种情况会在2％至8％的怀孕中引起并发症，并且可能对母亲和婴儿都致命。
如果及早发现这些病变，则可以在症状出现之前进行治疗。然而，由于该考试需要大量时间和高度专业化的技能，因此通常很少进行。
妊娠并发症：基于AI的新方法
卡内基梅隆大学的方法旨在通过人工智能从胎盘自动获取可能的妊娠并发症的数据，使评估变得更容易。
研究人员说：“病理学家经过多年训练，能够在这些图像中发现疾病，但医院系统中的妊娠数量太多，他们没有时间检查每个胎盘。” 丹尼尔·克莱默.
我们的算法可以帮助病理学家通过扫描图像、定位血管并查找识别蜕膜血管病的血管模式来了解他们应该关注哪些图像。
丹尼尔·克莱默， 卡内基·梅隆大学
系统如何运作
团队已经训练了他们自己的系统 人工智能 通过提供胎盘样本的图像来定位病变。
图片 A 显示带有蓝色方块的胎盘载玻片，表示单个血管。 B 显示出健康的血管。 C 显示蜕膜血管病变的影响：血管腔周围平滑肌肥厚。 这可能会导致妊娠并发症。
系统首先检测图像中的所有血管，然后确定每个血管是否健康。
该算法还评估并关联怀孕的各种特征，例如胎龄和母亲的任何状况。 如果系统检测到任何异常，则将胎盘标记为患病并警告妊娠中可能出现的并发症。
在测试过程中，该算法对病变的分类比专业病理学家更准确。
未来的应用
研究人员预计该系统不会完全取代医疗专业人员。相反，他们希望它能够标记出病理学家应该仔细观察的区域。
最终，他们希望这能降低测试成本，为更多母亲和准妈妈提供检测机会，确保她们怀孕时不会出现并发症。
你可以阅读 完整的研究论文 在《美国病理学杂志》上免费。
