妊娠がどこまで進んでいるかを知ることは、検査の日程から分娩の判断まで、妊婦健診のほぼすべての土台です。それなのに、世界の3分の2の人は超音波などの画像診断を受けられず、世界保健機関は妊娠に関わる合併症で毎年250,000人以上が防げたはずの死を迎えていると推計しています。Google Researchは、超音波検査の訓練を受けていない医療従事者が、安価な携帯型プローブとスマートフォン上のAIモデルを使って、専門家とほぼ同じ精度で妊娠週数を推定できることを示す前向き研究を発表しました。
この方法は「ブラインドスイープ」に基づきます。胎児の正確な断面を探す代わりに、決まった手順でプローブを腹部の上で滑らせ、解釈はモデルが担います。Jacaranda Health、Northwestern Universityと共同でJAMA Network Openに掲載された研究では、シカゴとナイロビで妊娠16〜36週の385人を対象に、初心者の操作者と、モデルの学習に使われていないClarius C3プローブで検証しました。モデルはもともと、ノースカロライナとザンビアで別のプローブを使って撮られた画像で学習していました。チームはシカゴの120人の小さな試験データ（元の学習データの約6%）で調整し、ナイロビのデータは一切使わず、同地を独立した検証の場としました。
モデルの平均誤差は4.18日で、標準的な計測を行う熟練の超音波検査士の4.48日を下回り、研究の非劣性の基準を満たしました。シカゴでは4.10日、ナイロビでは4.27日で、極端に大きな胎児では標準的な計算式より良い結果でした。実際の診療所での運用からは、患者の合間に交換できる電池の価値や、質の悪いスイープを退けて不確かさを医療者に示す信頼度推定の重要性といった実務上の教訓も得られました。
これは今年の医療AIの成果の中でも有用なものの1つです。特殊な診断ではなく基本的な空白を埋めようとしており、検証も前向きで、実際の現場で行われ、一部は外部の場で行われたからです。結核検診の取り組みと並び、医療モデルを過去のデータセットから診療の現場へ移そうとするGoogleの広い取り組みにも沿っています。
限界は研究の設計そのものに表れています。2つの施設はいずれも都市部の病院で、アクセスが最も乏しい農村の診療所ではありません。新しいプローブに合わせてモデルの再調整が必要で、より広く展開するたびにこれを繰り返すことになります。承認された製品ではなく研究段階のシステムのままで、Googleは規制上の承認や導入の時期を示していません。平均で数日という精度は、誤りが最も重大になるまれな症例については多くを語りません。