人工智能在妇科和产科急症中的应用

摘要

背景

人工智能（AI）是一种通过机器执行类似人类功能的过程，例如自动临床决策。这在妇科和产科急症中可能高效运作。我们的目的是回顾AI在妇科和产科急症中的作用和应用。

方法

我们在2023年11月在PubMed、Cochrane图书馆和Google Scholar中使用关键词组合“人工智能、妇科学和产科学”进行了文献检索。选择相关文章进行阅读，并搜索选定文章的参考文献列表。

结果

文献表明，AI在紧急情况下改善医疗保健的多个方面发挥了作用，如诊断成像、提高紧急情况预测、改进紧急服务的规划和资源分配。AI客观工作，克服了决策中的人类偏见。创建互连的数据注册表可能会增强AI的性能。验证研究表明，在包括子宫内膜异位症和急性腹痛在内的紧急情况下，AI预测工具比妇产科医生对风险和结果的估计更准确。医疗专业人员对AI及其潜在好处表示接受。使用AI的伦理困境包括数据治理、责任归属和安全问题。为急诊科工作的医疗专业人员提供AI培训是必要的。

结论

医疗专业人员应了解AI在妇科和产科急症中的预期作用、适应症、局限性和伦理考虑，以便在未来实践中遵循定义的指南应用AI。

关键信息

为什么这篇综述很重要？

在急诊医学专业人士中，AI的应用引发了两极分化的看法。本综述旨在比较在妇科和产科急症中使用AI的利弊，以便正确应用AI于这些专科。

这篇综述展示了什么？

本综述显示，在妇科和产科急症的研究中有许多积极的研究结果，特别是在急性腹痛和骨盆痛及子宫内膜异位症的紧急处理中支持使用AI。然而，由于缺乏对其性质、优点和局限性的理解，一些从业者对其使用持保留态度。通过叙述AI在妇科和产科急症中的研究成果，我们提出了其应用及其局限性。

主要发现是什么？

在输入信息正确且有人类监督的情况下，AI可以在妇科和产科急症的关键决策中提供帮助。因此，AI可以协助妇产科医生决定在紧急情况下采用哪种治疗方案，并通过及时的干预决策减少人类专业人员的负担和节省时间。

如何影响患者护理？

在训练有素的医疗专业人员和软件工程师的参与下，AI可以使妇科和产科急症的决策更加高效。AI辅助工具可以快速预测患者的预后，节省时间并避免延误进一步的护理。

引言

过去五十年间，数据收集、存储和分析取得了重大进展，包括健康信息学。计算机从大型、处理器缓慢、数据存储有限发展到小型、快速处理、大容量存储。超级计算机具有强大的能力，可以花费数天时间分析数据，开发模拟或预测模型，而这些对于普通人类大脑来说很难处理。“知识金字塔”模型解释了从数据收集到信息分析，再到知识和智慧的逐步提升过程。这些进步推动了“人工智能”的蓬勃发展。最近对医学文献中AI的兴趣显著增加。在PubMed数据库中搜索“人工智能”一词，在1951年至2023年间显示出戏剧性的指数增长。1971年前每年的文章数量不足10篇，而在2023年则超过了37,000篇。

AI被定义为模仿人类思维的能力。机器学习是开发无需编程即可学习的算法。这有助于机器在无需用户输入大量编程命令的情况下执行类似人类的认知功能和决策。AI通过使用大型医疗数据库进行自动化临床决策，可以在紧急情况下高效准确地运行。当AI用于分诊急性腹痛患者（包括月经过多）时，达到了可接受的准确性。这可以通过多种输入变量快速做出决策。当代与AI相关的技术在医疗保健中的应用是由多种因素驱动的，包括紧急情况中的人为错误和工作量。例如，AI可以帮助减少产程中的胎儿监测错误，并缩短妇科肿瘤恶性病变的诊断时间。

随着世界变得更加互联互通，医疗保健可以从AI中受益，通过使用国际注册机构收集的高质量数据来开发自动化决策工具。然而，潜在的错误要求急诊环境中的医疗提供者充分了解AI的局限性。外科专科，包括妇产科，应该全面了解AI的适当应用，因为避免不必要的手术是急诊护理的一个关键目标。AI目前用于多种目的，如诊断成像、从公共卫生紧急角度提高预测、从大规模医疗数据集中识别损伤模式，以及改进紧急服务的规划和资源分配。AI在通过解决超声波和MRI不确定的骨盆疼痛诊断挑战中避免不必要的手术方面很有用。目前AI的应用各不相同，有必要向提供急诊医疗的妇产科医生提供关于其潜力的有针对性的证据综合。因此，我们旨在回顾AI在妇科和产科急症中的作用和应用。

方法

本综述按照撰写叙事综述的指南进行。我们在2023年11月搜索了以下医学数据库：PubMed、Google Scholar和Cochrane图书馆，没有时间限制。关键词组合捕捉了“人工智能、妇科学和产科学”的概念，使用医学主题词、文本词和布尔运算符适当变体。妇科学和产科学的搜索词扩展到涵盖“子宫内膜异位症、急性骨盆痛或急性腹痛；宫外孕、流产、产科出血和产程护理”。浏览标题，阅读感兴趣的摘要，并根据个人判断选择与本综述相关的文章。通过阿联酋大学国家医学图书馆检索文章。检索到的文章随后进行了批判性阅读和总结。插图选自开放获取来源或必要时由作者绘制。

AI及相关术语的定义

AI是计算机科学的一个分支，它结合算法执行通常需要人类智能的任务（如语言理解、信息检索、推理和学习），而这些任务并非预先编程。算法是解决问题的一系列有限计算步骤。机器学习（ML）是各种AI技术的混合，包括监督和非监督方法，允许算法从复杂的信息和过去的经验中“学习”，随着时间的推移迭代改进，而无需进一步编程命令。算法使用输入数据生成统计模型。这个过程称为“训练”。输入数据中的每个变量称为一个“维度”。

深度学习涉及使用不同处理层从简单输入中提取高级信息的算法。人工神经网络（ANN）是一类深度学习。它们是复杂的模型，模仿人类神经网络，探索输入数据和感兴趣输出结果之间的非线性关系。它们至少有三层：（1）输入层，（2）隐藏层，和（3）输出层。可能有一个以上的隐藏层。每层的每个神经元与下一层的所有神经元相连，但不与同一层的神经元相连。输出神经元的进展由一个方程控制，该方程作为门控允许输出进展，这被称为“激活函数或转移函数”。激活函数将决定神经元的激活。输入到神经元的权重由模型的不同变量调整，使得输入和输出层之间的学习过程得以发展。为了实现准确的输出，权重和偏差应根据输出错误的反馈更新给神经元。这称为“反向传播”。

计算机视觉算法通过研究图像的不同部分来分解图像。基于从不同图像中学到的重复观察，机器对这些发现进行分类，以做出输出决策，如诊断。数据挖掘（DM）是在大型数据集中发现关系、模式和异常，以生成对未来预测通常是人类无法察觉的预测。文本挖掘将文本视为数据。自然语言处理（NLP）是一种进一步的AI技术，使计算机能够读取、理解和解释人类的自然语言，使用计算语言学。信息检索（IR）组织、存储和从数据库或文档集合中检索文本信息。搜索引擎是一个信息检索（IR）系统，用户提出查询，检索模型根据其相关性对文档进行排名。IR可以使用来自ML和NLP的技术改进查询公式和文档选择。

AI在妇科和产科急症中的应用

妇科急症表现可能包括骨盆肿块和卵巢囊肿（伴或不伴有卵巢癌）、急性腹部和骨盆疼痛、宫外孕、子宫内膜异位症、流产和堕胎、妇科癌症的急性表现、乳房肿块和分泌物、与骨盆脱垂相关的急症、月经过多和不孕治疗急症（因卵巢过度刺激引起的急性腹痛）。目前，AI正在帮助妇产科医生从诊断到治疗，加上人为监督。具体而言，AI正在通过辅助放射学诊断检测乳腺癌。它还被开发用于诊断患有子宫内膜异位症的女性和分诊急性腹痛。Jiang等人比较了使用三种方法对116例患有卵巢子宫内膜异位症的患者进行MRI诊断的准确性：传统MRI和两种AI算法：1）传统的硬C均值（HCM）算法，和2）模糊C均值（FCM）聚类算法。诊断准确性最高的是FCM，其次是HCM，然后是传统MRI（分别为94.3%、81.4%和63.2%）。图像质量评估在FCM中显著高于HCM算法（Dice、敏感性和特异性分别为0.92、0.9和0.93，而HCM为0.77、0.73和0.72）。机器人手术是另一个AI有用的例子。AI简化了分子生物学中的妇科癌症。使用AI驱动的MRI算法，子宫切除术可以更有效地进行，减少出血和缩短手术时间。研究表明，使用AI辅助的手术中，术中失血量显著减少（10.00（6.25-15.00）ml对比10.00（5.00-15.00）ml，p=0.04），手术时间也显著缩短（41.32±17.83分钟对比32.11±11.86分钟，p=0.03）。尽管报告了统计学意义的出血，但我们认为这在临床上并不显著。作者使用非参数方法（Mann Whitney-U检验）比较了失血量，该方法比较的是等级而不是原始数据，因此即使中位数相同，也可能存在统计学意义。

处理产科急症至关重要。不良决策和不当的干预选项会导致高死亡率和多种并发症。例如，每年约有350万婴儿因产前问题丧生。使用新技术（如AI）的目的是简化困难决策，支持医务人员做出最佳决策，并使他们能够及时处理紧急情况。在产科急症中，机器学习（ML）算法可以带来多种益处。ML算法已成功用于通过监测胎儿运动来诊断病理，减少了假阳性值。另一项研究表明，ML算法用于检测剖宫产和阴道分娩的需求。结果显示ML分类的敏感性为94%，特异性为91%，曲线下面积达到99%。这意味着，与妇产科医生和助产士的预测以及先前研究中的方法相比，ML大大提高了使用胎儿心率数据检测剖宫产和正常阴道分娩的效率。

数据挖掘（DM）算法可用于筛查异常子宫出血的女性并预测子宫内膜癌。由AI开发的风险评分成功预测了不同术后并发症的风险。该研究使用了_MySurgeryRisk_输出评分预测八种结果（急性肾损伤、ICU住院超过48小时、机械通气超过48小时、伤口并发症、神经系统问题、心血管问题、败血症和静脉血栓栓塞）。通过使用可获得的术前电子健康记录数据，自动化预测分析框架（_MySurgeryRisk_输出评分）对ML算法具有高区分度，用于估算手术并发症和死亡的可能性。这些发现确认了AI在急诊医学中的作用，并支持在妇科和产科急症中进行更多研究，以精确界定AI在此重要领域的角色。最近一项关于患有卵巢子宫内膜异位症的女性的研究表明，使用MRI图像的AI算法显著提高了诊断准确性。在另一个例子中，AI在急性腹痛女性的分诊中产生了准确的快速评估和分诊模型。该研究包括215名不同程度急性腹痛的患者，由急诊医师评估分诊并与AI进行比较。所有系统在分诊水平2上表现出不错的预测程度，神经网络在分诊水平3上表现出最高和可接受的预测程度。然而，决策树是唯一在分诊水平4上具有可接受预测的方法。

医护人员视角

一项关于急诊医疗中使用AI的国际调查显示，大多数外科医生承认AI在急诊外科实践中的益处，特别是在改善术前和术后决策方面。虽然外科医生对AI充满热情，但仍有近三分之一的人不熟悉AI术语、定义和应用。那些不熟悉AI的人持有相反意见，表明需要教育和培训。在妇科学中，观点可能是相似的。继续医学教育对于实施AI在产科和妇科急症中至关重要。为了克服预期的障碍，应在医疗从业人员和AI开发者之间建立跨学科合作。这需要对从业人员进行数字健康的培训。

伦理考虑

自主、有利（无害）和公平是主要的医学伦理原则。这些问题在AI引入急诊手术中浮现。知情决策是AI合乎伦理实施的关键。关于数据治理和安全、错误责任和技术效率的问题在急诊环境中引起了关注。AI的采用与大数据集的训练和算法验证的要求有关。必须谨慎处理不可避免影响患者同意和数据保护的技术和伦理问题。AI不能简单地作为一个黑箱强加。获得患者和医疗专业人员的信任需要确保AI算法透明且易于理解。

一般考虑

AI几乎在每个领域都备受瞩目。它在医疗保健中的应用正在演变，但某些工具目前尚未完全自动化。文献表明，AI正逐渐融入医学。急诊环境也不例外。AI在妇科和产科急症中的作用正在发展。通过实时预测分析，AI有可能早期诊断紧急问题，从而改善患者预后。就认知能力而言，人类大脑的处理能力远低于基本计算机，后者可以进行比人类神经带宽复杂数百万倍的计算。关于在急诊环境中使用AI，存在广泛的意见。我们必须承认，现阶段可能存在夸大希望。Gartner炒作周期展示了新技术的自然发展（图4）。我们正处于初始热情阶段，如图2所示。我们预计，这将被采用和评估阶段所跟随，从遇到的错误中吸取教训将完善AI技术和其有用的应用。我们希望最终达到成熟阶段，在这一阶段，AI的作用和适应症将得到良好确立和证明。

在急诊医学中应用AI的优势在于利用计算机的优越计算能力，快速从大量观测数据中提取信息，准确预测临床结果。与从事急诊医疗的妇产科医生倾向于线性思考相比，AI可以使用ANN模型识别风险因素的复杂线性和非线性交互。借助这种能力，AI可以在紧急时刻快速利用ML方法提供极其精确的发病率和死亡率风险估计。AI预测工具可以指导从业者遵循特定步骤，因为他们可以预见计划采取的决策或步骤的结果。在这项涉及934,053名患者的研究中，使用交互式智能手机应用程序Trauma Outcome Predictor（TOP）预测结果。TOP可靠地预测了死亡率（曲线下面积（AUC）：穿透伤衍生为0.95，验证为0.94；钝器伤衍生为0.89，验证为0.88）。并发症预测验证AUC的范围较低（0.69至0.84）。这是预期的，因为预测并发症（多类别数据）比预测二元结果变量如死亡更困难。此外，AI可以客观地完成这项任务，克服在做特定决策时显性和潜意识中的人类偏见。例如，患者和临床医生可能对剖宫产存在偏见。然而，AI工具将以非偏见的方式进行预测，因为它遵循提供的数值信息。它甚至在临床检查中通过使用自然语言处理（NLP）展示了客观评估的潜力。

急诊病房的护理总是至关重要的，因为需要在短时间内做出大胆和有风险的决策。创伤管理是类似的高风险决策情况，需要在非常短的时间内做出一次不可逆转的快速决策。急诊部门的工作负荷总是很高，大约50%的病例是创伤性质的。AI可以通过数据输入帮助管理这些问题，通过快速做出正确诊断、治疗选择并在短时间内将患者转移到相关病房，减轻急诊护理的负担，前提是提供正确的输入信息以生成AI算法做出类似人类的决策。AI准确预测了老年创伤患者的死亡。另一项研究表明，使用基于AI的工具准确预测了创伤急诊手术后ICU入院的需求。此外，AI在穿透性和钝器创伤患者中准确预测了风险和结果。AI还用于骨折的放射学诊断。预计类似的优势可以转移到急诊产科和妇科，特别是管理妊娠创伤，这涉及到母亲和胎儿。AI在急诊和妇科环境中的应用带来了潜在优势，创造了更多未来机会。急诊手术和妇科需要准确和及时的诊断、分诊和治疗。AI工具，如自然语言处理和机器学习算法，展示了在危及生命的情况下支持手术诊断的潜力。研究表明，AI在预测手术困难和实现及时干预方面多么有效。另一个AI至关重要的领域是机器人在急诊手术和妇科中的应用。AI驱动的手术机器人使医生在解剖工作中具有更高的精度和灵活性。研究表明，机器人辅助在急诊手术中具有有效应用，重点是降低发病率和加快恢复时间。

未来在妇科和产科急症中应用AI的前景令人鼓舞。随着计算机科学领域的持续研究和发展，AI系统将变得更加强大。整合AI技术可以改变手术场景，使医生在手术期间获得实时的情境感知信息。为了确保AI在手术中的安全和伦理整合，必须建立明确的规范。医疗从业者、AI开发者和监管机构必须合作以实现这一目标。急诊医疗从业者需要参与持续的多学科教育和培训项目。

AI的局限性

尽管在妇科和产科急症中使用AI取得了令人鼓舞的发展，但在将其整合到既定的妇科和产科急症程序中不应低估困难。重要的是要强调，AI不能完全取代医疗专业人员。AI临床决策的主要局限性在于其在准确性和预测方面的表现并不完美。尽管如此，它可以使医疗专业人员快速诊断，使他们有更多时间与患者或其家属讨论医疗管理。因此，它可以有助于减轻工作负担和职业倦怠，但不能完全取代医生。此外，临床决策是一个复杂的过程，应考虑疾病、患者状况和偏好以及患者环境，进行个性化共享知情决策。AI可以帮助评估风险，而患者或法定代理人和治疗医生可以共同做出决策。此外，AI有许多局限性需要注意。首先，任何算法的统计建模准确性取决于输入数据的准确性。不正确或缺失的数据会影响预测模型的准确性。其次，预测AI模型的有效性取决于其来源人群，可能无法在全球范围内推广。第三，大多数临床研究、信息素养的进步和数据收集来自发达国家，限制了其在发展中国家的实用性。第四，研究人员可能受到自身先前偏见的影响，限制重要变量。最后，社会经济、性别、种族和语言偏见可能影响AI模型的准确性。

结论

在妇科和产科急症中使用AI具有前景。在提供适当的输入数据和有人类专家监督的情况下，AI可以在紧急情况下协助关键决策和预测结果。这可以节省时间并防止管理延迟。由于妇产科医生对AI原理和术语不熟悉，他们可能对其价值持怀疑态度。

【全文结束】

(全文结束)