《npj Digital Medicine》：Randomised study of human machine collaboration for cardiotocography interpretation during labour
编辑推荐：
本研究聚焦产科实践中胎心监护(cardiotocography, CTG)解读的复杂性与主观性难题。为解决此问题，研究人员开展了一项关于“人机协同”模式解读CTG的随机研究。结果表明，在产科医生主导的CTG解读中整合AI系统辅助，可有效提升识别异常模式(如反复性晚期减速)的准确性，并可能优化分娩干预决策。这项发表在《npj Digital Medicine》的研究，为利用人工智能辅助决策支持系统(AI-CDSS)改善围产期结局提供了重要证据。
在产房这个迎接新生命的第一站，时刻都上演着关乎母婴安全的紧张监测。胎心监护(cardiotocography, CTG)作为评估胎儿宫内状况的核心手段，其图形曲线的每一次波动都牵动着医护人员的心。然而，解读这些蜿蜒的曲线并非易事。传统的CTG解读高度依赖产科医生的经验和主观判断，不同观察者之间、甚至同一观察者在不同时间对同一图形的解读都可能存在显著差异，这种“观察者间”和“观察者内”变异是产科临床决策中长期存在的痛点。面对复杂的、不典型的CTG模式，如反复性晚期减速或变异减速，经验不足的医生可能难以准确识别，而过度解读良性的图形变化又可能导致不必要的剖宫产等干预。如何在保证胎儿安全的同时，避免过度医疗，是围产医学面临的巨大挑战。与此同时，人工智能(Artificial Intelligence, AI)技术在医疗图像识别领域取得了突破性进展，其在分析心电图、医学影像方面的表现甚至堪比专家。那么，这颗科技新星能否照亮产房，为CTG解读这一传统难题带来革命性的改变？是让AI完全替代医生，还是探索一条人机协作的新路径？为了科学地回答这些问题，一个国际研究团队在《npj Digital Medicine》上发表了一项开创性的随机研究，旨在严谨评估“人机协同”模式在解读产时CTG中的实际效果与价值。
研究人员主要采用了随机对照研究(Randomised Controlled Trial)的设计方法。其关键技术方法包括：1) 开发并训练一个专门用于CTG图形分析的深度学习(Deep Learning)模型，该模型基于大量历史CTG数据训练，能够识别多种胎儿心率(Fetal Heart Rate, FHR)和宫缩模式。2) 构建人机协同干预流程，将AI模型的实时分析结果以辅助决策支持系统(AI-based Clinical Decision Support System, AI-CDSS)的形式，整合到产科医生的常规CTG判读过程中。3) 设立严格的随机化与盲法流程，将参与研究的产科医生随机分配到“AI辅助组”（在判读时可查看AI系统提供的分析提示）或“常规判读组”（仅依靠自身经验），以比较两组医生在识别关键CTG异常模式（如反复性晚期减速）方面的准确性差异。研究涉及了来自多家医疗中心的产科医生和相应的产妇病例数据。
研究结果
AI辅助提升了对关键异常模式的识别率
本研究的主要结局指标是产科医生准确识别“反复性晚期减速”这一特定CTG异常模式的能力。分析结果显示，在AI系统的辅助下，产科医生识别出该模式的比例显著高于仅依靠自身经验的常规判读组。这表明，AI-CDSS能够有效吸引医生的注意力到那些可能被忽视或误判的高危图形特征上，起到了“第二双眼睛”的警示和辅助作用。
人机协同对临床决策意向的影响
除了识别准确性，研究还探索了AI辅助是否会影响产科医生的临床管理意向。结果表明，获得AI提示的医生，其建议进行干预（如决定进行剖宫产或器械助产）的倾向在特定情况下发生了变化。这种变化提示，AI提供的信息可能被医生整合进其决策框架，促使医生重新评估胎儿状况的紧迫性，从而可能使干预决策更加精准——既不遗漏真正需要紧急处理的情况，也避免了对非紧急情况的过度干预。
医生对AI系统的认知与信任度
研究通过问卷调查了解了医生对AI辅助工具的看法。尽管AI辅助显示出了提高识别率的客观益处，但医生对其的信任和采纳意愿并非百分之百。一些医生表达了对“自动化偏见”（即过度依赖自动化系统而降低个人警惕性）的担忧，也有医生认为AI提示有时与自己的判断不符，或干扰了原有的工作流程。这揭示了技术整合中“人”的因素至关重要，系统的可用性、提示的呈现方式以及与临床工作流的无缝对接，都是影响其最终效果的关键。
研究结论与讨论
这项随机对照研究提供了首批关于“人机协同”模式在产时CTG解读中应用效果的高级别证据。其核心结论是：与医生独立判读相比，整合了AI分析提示的人机协同模式，能够提高产科医生识别特定CTG异常模式（如反复性晚期减速）的准确性。这证明AI作为一种辅助工具，在增强（而非取代）临床医生能力方面具有明确价值。它像一个不知疲倦的资深助手，帮助医生在信息繁杂的监护图形中，更快速、更稳定地锁定可疑迹象。
该研究的意义重大且深远。首先，在临床实践层面，它为改善产时胎儿监护质量提供了可操作的数字化方案。通过减少CTG解读的主观性和变异度，AI辅助有望使产科决策更加标准化和精准，最终服务于改善母婴结局的核心目标。其次，在方法论上，这项研究为人机交互(Human-Computer Interaction, HCI)在高压临床环境中的应用研究树立了典范。它没有停留在实验室中的算法性能测试，而是将AI置于真实的临床决策链中，观察其如何与医生的认知过程相互作用，这种研究设计更能反映技术的真实世界效果。最后，研究揭示了成功实施医疗AI的关键：技术上的卓越性能只是起点，与临床工作流程的适配、对医生认知习惯的理解以及建立恰当的信任关系，共同决定了技术能否真正落地生根。未来，如何设计更智能、更人性化、更具解释性的AI辅助系统，如何对医护人员进行相关的培训，以及如何建立规范的使用指南，将是推动此类技术广泛应用的重要课题。这项研究标志着数字医学在围产期领域迈出了坚实的一步，为人与机器在生命守护战中的最佳协作模式指明了方向。
