Google Research 近日在 JAMA Network Open 上发表一项前瞻性多中心研究，聚焦 AI 在孕周评估中的应用。研究评估了一种基于“盲扫”超声的 AI 模型，核心目标在于检验该模型在多样化的临床环境和设备条件下的泛化表现。

所谓“盲扫”，指操作者在不依赖实时判读的情况下完成超声图像采集，随后由 AI 模型对图像进行孕周评估。该研究采用前瞻性、多中心设计，意味着数据采集与验证覆盖多个临床站点，而非局限于单一机构或回顾性数据集，这为考察模型跨环境稳定性提供了更贴近真实场景的基础。

研究的关键结论是：该 AI 孕周评估模型的准确性与专家操作相当。这一结果涉及模型在不同临床环境和设备上的泛化能力，也是此类工具能否走出实验室、进入实际产前检查流程的重要前提。

对 AI 医疗影像领域而言，该研究的意义在于将评估重点从单一数据集性能转向跨中心、跨设备的可复现性。孕周评估是产前保健的基础环节，若 AI 盲扫方案能在多环境下保持与专家相当的表现，将为资源不均场景下的超声筛查提供新的技术路径。研究全文已发表于 JAMA Network Open。