论文部分内容阅读
目的:探讨利用无创技术评估胎儿肺成熟度的方法,进一步探索人工智能自动超声图像分析评估择期分娩的妊娠期糖尿病(Gestational diabetes mellitus,GDM)孕妇的胎儿肺成熟度中的可行性与临床价值,为临床医生选择适当时间分娩提供有效的依据。方法:选取就诊于我院的患有GDM并于48小时内分娩的孕妇50例。采用GE voluson E10彩色多普勒超声诊断仪,探头频率2—6MHz,选择中晚孕产科条件,获取人工智能超声图像分析所需图像(DICOM格式)上传至quantus FLM超声图像分析后得出的分析报告来预测胎肺成熟度。以胎儿出生后Apgar评分评估新生儿是否有呼吸窘迫综合征(Respiratory distress syndrome,RDS)为标准以评估预测手段的准确性。结果:采集50例孕妇图像150张(3张/人),其中4例因孕妇及胎儿因素致图像质量差被丢弃。根据图像质量或排除标准,最终分析留下46个实验结果。这些受试对象孕妇中新生儿发生新生儿呼吸窘迫综合征(Neonatal respiratory distress syndrome,NRDS,亦称新生儿肺透明膜病)的为52%(24/46)。quantus FLM预测NRDS的敏感性、特异性、阳性和阴性预测值分别为92%(22/24),86%(19/22),88%(22/25),90%(19/21),准确率为89%(41/46)。结论:使用基于人工智能分析胎儿肺纹理来预测胎儿肺成熟度基本可信可靠,能够为临床医生的诊疗方案提供有用的数据。