摘要：“哇”的一声啼哭，一个新生命的降临总能给家庭带来无尽的喜悦。然而，对于许多早产或出生时经历缺氧的宝宝来说，他们的健康之路却可能充满荆棘。一种名为“新生儿脑损伤”的“隐形杀手”，如脑室内出血（IVH）、脑室周围白质软化（PVL）等，正悄悄威胁着这些脆弱的小生命

“哇”的一声啼哭，一个新生命的降临总能给家庭带来无尽的喜悦。然而，对于许多早产或出生时经历缺氧的宝宝来说，他们的健康之路却可能充满荆棘。一种名为“新生儿脑损伤”的“隐形杀手”，如脑室内出血（IVH）、脑室周围白质软化（PVL）等，正悄悄威胁着这些脆弱的小生命 。

这些病变一旦发生，轻则影响孩子未来的智力发育和认知功能，重则可能导致脑瘫、视力障碍，甚至危及生命。因此，及时、准确地筛查出这些问题，就成了守护新生儿健康的第一道，也是最关键的一道防线。

目前，临床上最主要的筛查工具是颅脑超声（CUS），它便携、无创、成本低，是新生儿床边的“最佳拍档” 。但问题也随之而来：超声检查就像拍一部“黑白电影”，医生需要手动操作探头，从纷繁复杂的动态影像中截取最关键的几帧“标准图”，再凭借丰富的经验进行诊断。这个过程不仅耗时，而且极度依赖操作医生的“手艺”和“眼力” 。

在全球范围内，经验丰富的超声医生本就稀缺，在医疗资源相对匮乏的地区更是如此 。难道我们就只能眼睁睁看着宝贵的早期干预窗口期流逝吗？

现在，来自中国深圳儿童医院、深圳大学等多个机构的科研团队给出了一个振奋人心的答案：他们成功研发了一套“新生儿脑损伤智能筛查系统”（NCLS），它如同一双“AI火眼金睛”，能够全自动、高效率、高精度地完成筛查诊断工作，其表现甚至超越了人类医生！。这项重磅研究成果已发表在国际顶级期刊《自然·通讯》上 。

这套神奇的AI系统是如何工作的呢？研究人员将其设计成了一个高效的“两步走”流程 ：

第一步：智能截取“证据”——自动提取标准视图

传统筛查中，医生需要花费大量时间从一段动态的超声视频中寻找最佳的诊断切面。而NCLS系统的“标准视图提取模块”则彻底改变了这一模式 。

当一段杂乱的超声视频输入系统后，AI会像一位经验老道的侦探，逐帧扫描视频中的每一个画面。它内置了一个强大的目标检测模型，能够精准识别出大脑中的关键解剖结构 。随后，通过一套精密的“候选帧评分算法”，AI会自动从上百帧画面中，挑选出质量最高、信息最全的几张核心“标准视图”，比如冠状面的前角、第三脑室、侧脑室体部视图，以及矢状面的中线、左右旁矢状视图等 。整个过程全自动完成，将医生从繁琐的重复劳动中解放出来。

第二步：综合分析“断案”——多视图融合诊断

有了最关键的“证据”——标准视图后，就轮到AI的“诊断模块”大显身手了 。

与以往一些模型只能判断单张图片“正常或异常”不同，NCLS系统采取了更高级的“多视图综合诊断策略” 。它会将同一个宝宝的多张标准视图整合起来进行综合分析，模拟了顶尖专家的会诊过程 。最终，系统会给出一个明确的二元分类结果：

“重度病变”（如III-IV级脑室内出血、脑室周围白质软化、脑积水等，需紧急干预）或**“非重度病变”**（正常或仅有轻微问题）。这种分类方式，极大地提升了临床实用价值，能够帮助医生迅速锁定最高危的患儿。

理论说得再好，是骡子是马还得拉出来遛遛。为了验证NCLS系统的真实能力，研究团队设计了一系列严苛的“大考”。他们不仅使用了研发医院（深圳儿童医院）的数据进行内部测试，还前瞻性地从其他三家医疗中心收集了全新的数据进行外部测试，以检验其通用性 。

比拼的结果，可以说是相当“震撼”：

NCLS系统不仅是一位出色的“诊断员”，更是一位优秀的“助教”。研究发现，当它作为辅助工具时，能显著提升初级医生的诊断水平。

在一个月后，研究团队让初级医生们在NCLS的辅助下重新诊断同一批病例。结果显示，在AI的帮助下，初级医生们对严重病例的诊断敏感性在内部和外部测试集上分别提升了9.72%和19.24% 。他们此前独立诊断时犯错的病例中，有高达91.18%得到了纠正 。AI的介入，显著增强了医生们诊断的一致性，让诊断结果不再“飘忽不定” 。

更有趣的是，在一项盲法测试中，资深的高级专家也无法准确分辨一份诊断材料究竟是来自AI还是来自初级医生，这足以证明AI生成的诊断材料质量之高，已经达到了以假乱真的地步 。

本次研究最令人兴奋的发现之一，是NCLS在“盲扫”数据上的卓越表现 。

所谓“盲扫”，是指操作人员在进行超声扫描时，可以不看屏幕，仅凭预设的参数进行扫查 。这种方式极大地降低了对操作者专业技能的要求。研究团队模拟了医疗资源匮乏地区的真实场景，让操作员进行“盲扫”，并将这些质量参差不齐的视频交给NCLS处理 。

结果令人难以置信：即便是在这种极具挑战性的条件下，NCLS依然成功地从模糊、抖动的视频中提取出了可供诊断的标准视图，并做出了精准的判断，其AUC值高达0.991 ！

这一结果意义非凡。它意味着，在未来，即便是在缺乏专业超声医生的偏远地区，也可以由经过简单培训的基层医护人员完成超声扫查，然后将视频上传给NCLS系统进行分析诊断 。这项技术，有望将顶尖的医疗诊断能力，真正下沉到最需要它的地方，为全球无数新生儿的健康保驾护航。

从自动提取视图到精准诊断，从超越人类医生到辅助决策，再到攻克“盲扫”难题，这项由中国科学家主导的研究，无疑为新生儿脑损伤的早期筛查开启了一个全新的智能时代。

NCLS系统不仅展示了人工智能在医疗领域的巨大潜力，更用实实在在的数据证明，它可以成为一名不知疲倦、稳定可靠、技艺高超的“AI医生”，有效缓解医疗资源不均的矛盾，守护每一个新生儿的大脑健康，让他们的生命之初，少一份风险，多一份希望。

原文：Lin, Z., Zhang, H., Duan, X. et al. Deep learning approach for screening neonatal cerebral lesions on ultrasound in China. Nat Commun16, 7778 (2025).

来源：自在桐风