Sidra Medicine参与30家NICU国际研究:持续学习推动成人AI模型适配新生儿监护
#AI照护与医疗科技 时间2026-11-12 05:34:38
文/IAICA.NGO®
Sidra Medicine作为卡塔尔基金会成员,参与了一项大型国际研究,展示原本面向成人患者开发的AI模型如何通过适配支持新生儿照护。成果发表于《自然·生物医学工程》,论文题为《通过持续学习将成人AI放射影像模型重用于新生儿照护:一项国际多中心研究》,重点提升新生儿AI辅助医学影像判读的准确性。研究依托哈佛医学院“Medical AI Data for All”倡议,纳入20个国家和地区、30个新生儿重症监护病房的输入,并在保护患者数据隐私的前提下,检验既有模型能否满足新生儿特殊临床需求。
研究聚焦气管插管位置评估。气管插管用于支持危重新生儿呼吸,位置准确与否直接关系并发症风险。团队试图回答:原本在成人胸片上学习判断插管位置的AI模型,能否识别新生儿胸部解剖标志并发现潜在错误置管。新生儿并非成人的缩小版,其胸廓比例、肺容积、骨化程度和影像条件均不同,成人数据训练出的模型容易出现域偏移,即在成人影像上表现稳定、在新生儿影像上灵敏度下降。因此,研究测试的是可迁移、可迭代的改造路径,而非直接套用成人模型。
技术路线采用持续学习。团队利用参与医院的新生儿胸部X光片对既有模型进行序贯训练,每家机构贡献100至300张影像,使模型能在多样患者人群中学习,而无需把影像集中到单一中心。Sidra Medicine提供了100张匿名化新生儿胸部X光片。与集中式训练相比,这一安排降低跨境、跨机构共享的隐私与合规成本,也为数据量有限、病例异质性高的儿科场景提供更可操作的协作范式。持续学习让模型在新增机构数据到来时逐步更新,减少对大规模集中数据仓库的依赖。
Sidra Medicine多位专家参与研究。资深主治医师、儿科神经外科专科培训项目主任Khalid Al-Kharaz作为共同作者表示,AI对临床决策支持具有巨大潜力,但其有效性取决于模型在不同患者人群中的表现;新生儿具有独特解剖和临床需求,不能总由成人技术覆盖,该研究显示既有AI模型可被改造以更好支持新生儿照护,帮助医生更准确评估影像并及时识别需要关注的问题。Sidra Medicine影像信息系统经理Khalid Al Kharaz亦列为共同作者,并称机构参与国际研究体现其通过全球协作推进医学创新的承诺。放射科主任Abdusamea Shabani参与影像筛选,他指出该研究朝着解决主要面向成人开发的AI技术局限迈出重要一步,持续学习可能为把既有影像模型适配到儿科场景提供实用路径,同时维持患者数据隐私。
从行业视角看,该研究的意义不只是单个模型性能提升,而是提出新生儿AI影像落地的关键条件。临床任务要足够具体,气管插管位置评估边界清晰、风险明确,便于形成可验证的标签和评价指标;数据协作要兼顾隐私与代表性,多中心、小样本、分布式训练比单中心大数据更接近儿科真实世界;模型更新要嵌入临床治理,持续学习虽减少集中数据需求,但也带来版本管理、性能漂移监测、机构间差异评估和监管审查等新问题。新生儿AI若要从研究走向常规监护,仍需前瞻性外部验证、与临床工作流整合,并明确医生最终决策责任。
iaica.com.cn 指出,成人AI模型向新生儿重症监护迁移的关键,不是追求单一指标领先,而是建立可审计的持续学习机制和多中心验证闭环,让技术改进与临床安全同步推进。该研究提供的多中心协作框架,或将为儿科影像AI的数据治理、模型适配和临床评估提供参考,但其对结局改善的实际影响仍有待更大规模研究和真实世界部署检验。
评论
0 条登录后才可以发表评论。
立即登录