ATLAS: Development and Evaluation of an AI -Enabled Framework for Anatomically Traceable Measurement Assurance in Fetal-Head Ultrasound Biometry

在超声诊所那安静、昏暗的房间里，一名超声科医生正引导着探头在孕妇的腹部移动，寻找胎儿头部的一个特定视图。这一时刻至关重要。为了了解胎儿的发育情况，医生需要对大脑的宽度和前后距离进行精确测量。这些数字有助于确定胎儿的年龄以及生长是否处于健康水平。然而，获得准确的数字完全取决于图像的质量。如果超声探头哪怕只是稍微倾斜了一点，或者胎儿处于一个尴尬的位置，生成的图像看起来可能像是一个头部，但从中提取的测量值将会是错误的。几十年来，这一直是一个人类面临的挑战：医生必须观察一张模糊的黑白图像，判断是否为正确的角度，然后放置数字卡尺来测量头骨。随着人工智能开始接管这项任务，承诺自动测量胎儿的头部，一个新的问题也随之出现。即使面对模糊、倾斜或缺失关键特征的图像，计算机也能自信地输出一个数字。危险在于，医生可能会信任一个看似完美的数字，而这个数字却是基于一张有缺陷的照片计算出来的，从而导致错误的医疗决策。

来自格里菲斯大学（Griffith University）和黄金海岸大学医院（Gold Coast University Hospital）的研究团队开发了一个名为 ATLAS 的新系统，旨在解决这个信任问题。ATLAS 不仅仅是给出一个单一的数字，它被设计成一个像细心的助手一样，在开口说话之前先检查自己的工作。该系统将测量过程分解为三个不同的步骤，模拟人类医生的思维方式：首先，它找到胎儿的头部；第二，它确认大脑的内部结构是否可见且正确；第三，它计算测量值。至关重要的是，该系统记录了它所采取的每一个步骤的详细记录。它记得自己究竟在哪里找到了头部，看到了哪些证据来证明图像有效，以及它是如何将屏幕上的像素转换为毫米的。这种方法确保了如果进行了测量，就会有一条清晰、可审计的证据链，展示为什么该测量值是可靠的。研究人员在来自不同医院的数千张超声图像上测试了这个系统，发现虽然计算机几乎能完美地找到头部，但测量头部的方式却大不相同。他们发现，一种更简单的测量方法——依赖于计算机围绕头部绘制的框的大小——通常比试图描绘头骨精确轮廓的复杂方法更准确。此外，他们还表明，当系统被调整以适应来自新医院的数据时，它在寻找头部方面会变得更好，但在测量方面却会变得更差，这证明了“找到物体”并不等于“正确测量物体”。

ATLAS 系统的核心理念是：一项测量值的优劣取决于其进行的条件。在第一阶段，称为“寻找”（Find），计算机扫描整个超声图像以定位胎儿头部。它在它认为包含头骨的区域周围画一个框。如果计算机无法以足够的置信度找到头部，它会直接停止并报告无法进行测量，而不是进行猜测。在第二阶段，“确认”（Confirm），系统放大该区域以寻找特定的内部标志物，例如大脑中间的充满液体的空间以及侧脑室。这些结构对于确认超声切面是否为测量所需的正确切面至关重要。如果缺少这些标志物，系统就会知道图像可能来自错误的角度，即使头部本身已被找到。最后，在“测量”（Measure）阶段，系统计算头部的宽度和周长。研究人员测试了两种不同的方法来进行此操作：一种方法使用复杂的算法来追踪头骨的精确曲线，而另一种方法则使用第一阶段找到的框的尺寸。

当研究人员在来自一家公立医院的大量图像上测试这些方法时，发现了一个令人惊讶的结果。使用框尺寸的简单方法比复杂的追踪方法产生了更准确的测量结果。具体而言，框方法的准确率在超过 91% 的图像中都保持在非常小的误差范围内，而复杂追踪方法的准确率仅为 84% 左右。复杂方法往往会使头部的宽度平均偏小近 1 毫米，这种微小的差异仍可能显著改变婴儿的生长曲线图。这一发现挑战了人工智能领域中“模型越复杂越好”的普遍假设。研究人员还在来自西班牙和英国两家其他医院的图像上测试了该系统，以观察它在处理从未见过的数据时的表现。该系统在这些新图像中表现出色，几乎能在每一帧中都精准定位头部。然而，测量的准确性因医院而异。在西班牙的数据上，简单的框方法仍然是最准确的。而在英国的数据上，复杂的追踪方法表现得更好。这表明，最佳测量方式取决于所使用图像的具体特征，例如超声机的设置方式以及专家对图像的标注方式。

研究的一个重要部分集中在当系统在一个医院接受训练并在另一个医院使用时会发生什么。研究人员尝试利用来自新医院的数据来“微调”（fine-tune）系统，希望使其在那里运行得更好。他们发现，虽然这个过程让系统在“寻找”头部方面变得更强——使计算机的框与实际头部的重叠度提高了几个百分点——但它实际上让测量变得更不准确了。测量值变得更错了，而不是更准了。这表明，仅仅让计算机更擅长识别物体并不保证它能正确测量该物体。为了解决这个问题，研究人员尝试了一种称为“聚合”（aggregation）的技术，即结合不同医院特定版本的知识，而不混合实际的患者图像。这种方法部分恢复了准确性，特别是对于英国的数据，这表明在机构之间共享学习是可能的，而无需分享私密的患者数据。整个系统非常轻量化，仅需 16.5 MB 的内存，处理单张图像的时间不到 60 毫秒，这意味着它有可能在标准的超声机上运行，而不需要功能强大且昂贵的计算机。

研究还包括了一位医学专家对系统处理图像的评审。医生确认，该系统的分步法易于理解，并且能够正确识别图像是否适合测量以及何时不适合。医生指出，即使图像不完全符合标准测量要求，系统仍保留了关于胎儿位置和解剖结构的有用信息。这很重要，因为这意味着系统并不仅仅是丢弃“坏”图像；它保留了证据，以便人类可以判断其中是否仍有价值。研究人员强调，他们的系统不是医生的替代品，而是使测量过程透明化的工具。通过记录从最初搜索头部到最终计算的每一步，系统允许医生准确了解为什么会生成某个数字。如果某个测量值看起来不对劲，医生可以追溯回去，查看头部是否在正确的位置被找到，内部脑结构是否可见，以及是否使用了正确的比例尺将图像转换为毫米。

这项工作的意义不仅限于测量婴儿的头部。它解决了医学人工智能中的一个根本问题：即系统不仅需要准确，还需要具备可信度和可解释性。在过去，AI 系统通常充当“黑箱”，只提供答案而不解释其得出结论的过程。这使得医生很难知道何时应该信任机器，何时应该复核工作。ATLAS 证明了，构建一个将测量视为“证据收集过程”而非仅仅是“计算过程”的系统是可行的。研究表明，数据完整性与算法本身同样重要；研究人员构建了一个校验层，以确保用于训练系统的数据是干净的，并且没有误将任何患者的数据混入训练组和测试组之间。他们甚至通过故意向数据中引入错误（如重复图像或缺失标签）来测试系统，系统成功捕捉到了每一个错误。这种严谨性确保了结果的可靠性，并确保系统不会从错误的数据中学习。

最终，ATLAS 框架为思考医学 AI 提供了一种全新的方式。它将焦点从单纯获取一个数字，转向理解该数字有效的条件。研究人员发现，该系统可以处理现实世界超声图像的复杂性，跨越不同医院并适配不同类型的设备。虽然该系统尚未准备好在临床环境中实时投入使用，但这项研究为未来的发展奠定了坚实的基础。它表明，通过将复杂任务分解为更小的、可验证的步骤，并保留清晰的证据记录，我们可以构建出让医生信任的 AI 系统。下一步将在真实的超声扫描过程中对该系统进行实时测试，以观察当医生拿着探头并做出实时决策时的表现。在此之前，这项工作本身就是一种概念验证，证明了透明度和可追溯性对于人工智能在医学领域的安全且有效的使用至关重要。