2020.09.09 預測胎盤：使用人工智慧保護母親未來的懷孕

圖像： 胎盤膜的全數字化幻燈片圖像

嬰兒出生後，醫生有時會檢查胎盤的特徵，以預測將來懷孕的健康風險。不幸的是，這是一個耗時的過程，必須由專家來執行，因此大多數胎盤在出生後都不會被檢查。卡內基·梅隆大學等的一組研究人員在《美國病理學雜誌》上報告他們研發出一種機器學習方法以檢查胎盤，因此可以告知更多女性她們的健康風險。

檢查胎盤的原因之一是尋找一種血管病變，稱為蛻膜性血管病變(DV)。這個病變指出母親在將來的任何懷孕中都會有妊娠性高血壓的風險，可能導致母嬰致命。只要被發現，妊娠性高血壓就可以得到治療。因此在症狀出現之前可以識別高風險母親有相當大的益處。然而，檢查時可能會看到數百條血管，但僅需一條血管有病變，即可表示危險。

美國賓州匹茲堡工程學院D. Clymer博士說：「目前，病理學家經過多年培訓才能在這些圖像中發現疾病，但是由於懷孕人數很多，導致他們沒有時間去檢查每個胎盤。我們的演算法可幫助病理學家通過掃描圖像，定位血管並找到識別DV的血管模式來了解他們應關注的圖像。」。

機器學習是通過「訓練」電腦來識別數據文件中的某些圖像。在這種情況下，數據文件是胎盤樣本的圖像。研究人員在電腦上顯示各種圖像，並表明胎盤是否患病或健康。經過充分培訓後，電腦能夠自行識別出病變的病灶。

電腦的訓練

對於電腦而言，僅查看大圖片並對其進行分類是非常困難的，因此該團隊採用了一種新穎的方法。首先，電腦檢測圖像中的所有血管。然後可以分別考慮每個血管，從而建立較小的數據群進行分析。然後，電腦將評估每個血管並確定是否應將其視為疾病或健康。在此階段，該演算法還考慮了懷孕的特徵，例如：胎齡、出生體重以及母親可能有的任何狀況。如果有任何患病的血管，則將圖片以及胎盤標記為患病。UPMC團隊提供了未識別的胎盤圖像以訓練演算法。

Clymer博士解釋說：「這種演算法不會很快取代病理學家。….這裡的目的是通過標記，病理學家可以很快找到應該仔細觀察的圖像區域，幫助加快檢查的時間。」

首席研究員J. Cagan博士和P. LeDuc教授補充：「這是工程學與醫學之間的美好合作，因為它們將各自的專業知識融合在一起，可以創造出可以幫助更多人的新發現。」

編譯來源：Eurekalert(2020.09.02)

 台灣女性/性別健康權益亟需您以實際行動來共同守護！