AI-assisteret 2D-fosterhjerneskanning til detektering af intrakranielle anomalier (ALYSSIA)

Tidsmæssig detektion af fosterhjerncanomalier er afgørende for at forbedre prænatal rådgivning og postnatale neurologiske resultater. Ultrasonografi er den mest almindeligt anvendte og effektive billeddanningsmetode til evaluering af fosterstrukturer; dog kan diagnostisk nøjagtighed blive påvirket af operatørens erfaring, fosterets position og billedkvalitet, hvilket fører til variation i fortolkningen. Kunstig intelligens (AI)-baseret billedanalyse tilbyder en ny mulighed for at standardisere diagnostisk vurdering og reducere subjektivitet i ultralydsfortolkning.

Dette studie har til formål at evaluere den diagnostiske nøjagtighed og kliniske anvendelighed af en AI-assisteret model (Alyssia), der er designet til at analysere arkiverede 2D fosterhjernesultralydsbilleder. Modellen vil blive trænet og valideret til at skelne mellem normale og unormale intrakranielle fund, med særligt fokus på laterale ventrikler og andre relevante hjerneregioner. Forskningen anvender et observationsbaseret, retrospektivt design ved hjælp af anonymiserede ultralydsdata indhentet under rutinemæssige prænatale undersøgelser mellem 18 og 24 ugers graviditet.

Ekspertklinikere vil gennemgå og mærke alle kvalificerede billeder for at etablere grundsandhedsklassifikationer til modeltræning og -validering. En deep learning-baseret algoritme vil blive udviklet til automatisk at klassificere disse billeder, og dens præstation vil blive evalueret ved hjælp af nøjagtighed, følsomhed, specificitet, præcision og F1-score-mål. Forklædte tilfælde vil blive kvalitativt analyseret for at bestemme bidragende faktorer såsom billedkvalitet, anatomisk variation og gestationsforskelle.

Ved at sammenligne AI-modeloutput med ekspertmærkede referencer vil studiet vurdere modellens evne til at forbedre diagnostisk standardisering og reducere inter-observer variation. Resultaterne forventes at give værdifulde indsigter i integrationen af AI-baserede beslutningsstøttesystemer i prænatal neurosonografi. I sidste ende sigter denne forskning mod at støtte tidligere og mere pålidelig detektion af fosterhjerncanomalier, hvilket bidrager til forbedret prænatal pleje og sundere resultater for mødre og spædbørn.