比较两种图像采集模式用于孕中期筛查超声检查的研究（Echo-IA） (Echo-IA)

孕中期形态学超声检查是产科监测中的关键检查，旨在评估胎儿生长情况、识别任何结构异常，并检查附件如胎盘、脐带、宫颈等。

多项研究表明，如果进行完整的形态学分析，在此期间可以检测到相当比例的胎儿畸形。然而，筛查的可靠性取决于设备的质量、操作员的专业水平以及遵循定义必要扫描的协议。

在法国，自国家产前筛查超声技术委员会首次报告（2005年）以来，特别关注标准化实践。最近，法国国家产科和胎儿超声会议（CNEOF）发布了新的建议（2022年，2023年修订），包括为孕中期检查开发参考轮廓，提出了26个视图（22个必需和4个附加）。然而，CNEOF没有正式制定评估这些图像符合性的质量标准；这项任务已由法国胎儿超声学院（CFEF）接管，该学院为每个胎儿切面建立了评分和验证网格（参见CFEF 2022年文件）。

与此同时，人工智能（AI）逐渐成为医学影像，特别是超声中的决策支持和自动化工具。深度学习算法能够识别解剖结构、定位测量标记并选择最优切面，减少操作员间的变异性并简化工作流程。在产科超声领域，一些公司推出了能够实时检测或注释胎儿结构的系统，可能提高诊断的可靠性和可重复性。三星开发了一个名为Live View Assist的系统，可在其最新一代超声扫描仪上使用，该系统利用AI实时自动识别并冻结所需的胎儿切面。

该工具还提供自动验证：如果检测到的切面符合预期标准，它会在检查清单上直接打勾。这项创新有望节省时间、减少错过某些复杂切面的风险，并提高标准化。

然而，特别是在法国，关于该工具在常规筛查背景下的实际性能数据很少。因此，在考虑将Live View Assist和AI整合到日常实践之前，必须评估其获取的图像质量、AI辅助完成检查的可行性，以及对检查时间和改善超声技师工作量的潜在影响。

本研究的目的是根据基于CNEOF推荐轮廓的CFEF质量标准，评估Live View Assist自动验证的20个必需图像的质量是否不劣于超声技师手动获取和验证的20个必需图像的质量。