美国加州大学旧金山分校Rima Arnaout团队发现，神经网络集成可提供复杂先天性心脏病的专家级产前检测。相关论文日前发表于《自然—医学》。

　　通过使用来自1326例回顾性超声心动图的107823张图像并筛选了18周至24周胎儿的超声，研究人员训练了一组神经网络来鉴别心脏视图，并区分正常心脏和复杂冠心病。研究人员还使用了分割模型计算标准的胎儿心胸测量值。在对4108份胎儿调查的内部测试集中（0.9％的冠心病，超过440万张图像），该模型在区分正常心脏和异常心脏时获得了0.99的曲线下面积，95％的敏感性（95％的置信区间，84%~99％ ），96％的特异性（95％置信区间，95%~97％）和100％的阴性预测值。

　　模型的敏感性与临床医生相当，模型的决策基于临床相关特征。心脏测量值与报告的正常和异常心脏测量值相关。将集成学习模型应用于指南推荐的影像学可以显著改善胎儿冠心病的检测。

胎儿筛查超声可以提供5种心脏视图，它们可一起检测出90％的复杂冠心病，但在实践中，其灵敏度低至30％。