在芝加哥的Northwestern Medicine和内罗毕的Jacaranda Health，一些从没做过超声检查的人把手持超声设备贴在孕妇肚子上，按规定方向扫查。这台设备是一个贴着腹部移动的探头。屏幕上只显示腹中的影像，孕周则由平板电脑上运行的AI只看这些影像得出。AI推算孕周的误差，与专业超声医师给同一批孕妇检查得出的孕周误差相近，甚至更小。
同一批孕妇也由专业超声医师另行检查，AI和专家得出的孕周都拿来与孕早期扫描确认的孕周对比
这项实验是2026年7月发表在JAMA Network Open上的前瞻性诊断研究。研究团队在两座城市招募了2,043人，其中孕16至36周的385人（芝加哥192人，内罗毕193人）作为主要评估对象。每位孕妇都做了两次检查。一次是由没有超声经验的人用手持设备扫查腹部，再由AI得出孕周；另一次是在此后1周内做的常规临床超声。在常规超声中，专业超声医师寻找胎儿切面、测量大小，再用Hadlock公式计算孕周。两边得出的孕周，都以孕早期确认孕周的扫描值作为标准答案进行比较。
操作设备的是5名没有超声经验的人。芝加哥的2人没有接受正式培训，只拿到说明书、听了口头讲解、看了简短演示；内罗毕的3人接受了6小时实操培训。检查按以下顺序进行。
- 测量宫底高度
根据在腹部测得的宫底高度，把成像深度设为11cm、13cm或15cm之一。 - 按规定方向扫查
用Clarius C3手持探头竖向扫3次、横向扫3次，最多6次。这种方法叫作盲扫。 - AI在设备内判读
平板应用中的AI直接从影像得出孕周。操作者能看到实时影像，但看不到AI给出的孕周。
研究经费由Google LLC资助Northwestern University和Jacaranda Health，部分来自Gates基金会。Google的作者参与了研究设计、分析、解读和论文撰写，数据收集由两家现场机构负责。作者中有14人是Google员工兼股东，3人持有将盲扫与AI结合这一方法的Google专利。下面的数字全部来自由开发这项技术的公司设计和分析的研究。
孕周平均误差：AI为4.2天，专业超声医师为4.5天
这里的误差，是指推算孕周与标准孕周相差天数的平均值。AI为4.2天（95%置信区间3.8至4.6天），专业超声医师的标准流程为4.5天（4.1至4.9天）。研究团队在开始前就定下标准：“AI误差比标准流程大不超过1天，就算不劣于标准流程”，AI通过了这一标准。
4.2天虽然小于4.5天，但研究团队的主要检验只看AI是否落后超过1天。AI是否更准确不在主要结果的检验范围内，两个置信区间也有重叠。研究团队还考察了误差是否偏向一侧。标准流程倾向于把孕周估得比标准答案平均少0.7天（−0.7天），这一偏差有统计学意义；AI平均少估0.2天（−0.2天），但没有统计学意义。
| 分组 | AI（盲扫）平均误差 | 专业超声医师标准流程平均误差 |
|---|---|---|
| 全体（385人） | 4.2天（3.8–4.6） | 4.5天（4.1–4.9） |
| 芝加哥（192人，针对新设备调整过的模型） | 4.1天（3.5–4.7） | 4.6天（4.1–5.3） |
| 内罗毕（193人，未做本地调整） | 4.3天（3.8–4.8） | 4.3天（3.8–4.9） |
Google Research博客以4.18天对4.48天介绍了同一结果，并这样写道。这篇博客出自开发这项技术的公司。
“comparable to the current standard of care from expert operators and more expensive traditional, cart-based ultrasound machines”（与专家使用更昂贵的传统推车式超声设备所做的现行标准诊疗水平相当）
没有用内罗毕孕妇的数据专门训练AI，但在内罗毕，AI和专家的平均误差同样都是4.3天
这个AI最初用北卡罗来纳州Chapel Hill和赞比亚Lusaka收集的孕妇数据（据博客为1,968人）训练，当时用的设备是常规超声设备和ButterflyIQ。本次研究前所做的调整只用了芝加哥预研究中120人的数据，目的是适配新使用的Clarius C3探头的影像，并加入部分超过36周的影像。博客称，这120人约占原始训练数据的6%。
内罗毕的数据从未用于训练或调整，用博客的话说就是“zero local optimization”（零本地优化）。即便如此，在内罗毕的193人中，AI的平均误差为4.3天，同一批孕妇由专业超声医师按标准流程检查的误差也是4.3天。面对训练时从未见过的医院和孕妇，AI的误差与专家相同。
AI不需要内罗毕的数据就能达到专家的误差水平，但有迹象表明，换用新设备时需要做适配。对芝加哥53名参与者使用尚未针对Clarius C3调整的原始模型时，AI误差为5.1天，大于标准流程的4.2天；调整后，芝加哥192人的误差为4.1天。不过这两个数字来自对象人数不同的亚组分析，不足以断定针对设备的调整降低了误差。
论文同时写明了这项结果的局限。内罗毕没有做本地调整，性能还有提升空间；新测试的设备厂商只有Clarius一家。在超出主要分析范围的36周以上足月阶段，内罗毕的AI误差为12.0天，是标准流程5.0天的两倍多（54人）。研究团队给出了两种可能的原因。一是专业超声医师检查时，已经知道作为标准答案的孕早期确认扫描的孕周。如果他们是在知道这个孕周的情况下检查的，专家一方的数值可能会更接近标准答案。二是模型可能需要在足月阶段加以完善。
AI不像专家那样测量胎儿大小，而是直接从影像得出孕周，人只要按规定扫查就行
在标准流程中，专业超声医师要一边看屏幕一边寻找胎儿切面，测量头围、腹围、股骨长等数值，再代入Hadlock公式计算孕周。找准切面、量得准确，都需要熟练的技术。
这项研究中的AI不做中间测量，而是直接从扫查影像以天为单位得出孕周。它根据每段影像预测结果的波动程度给出置信度，拒收质量低的扫查，再把剩余影像的预测合并，置信度越高权重越大。操作者在看不到结果的情况下扫查，所以在这项研究中，人负责的只是按规定深度和方向扫查这一个动作。
方法不同，误差变大的情况也不同。在探索性分析中，对于胎儿体重超过第90百分位的大胎儿，标准流程的误差升至7.2天，而AI为4.4天（P=.004）。由于样本较小，研究团队也将其作为探索性结果看待。这种方法不再依赖测量的熟练程度，扫查影像的质量变得更重要。另一个研究团队模拟了扫查方向反了、探头拿反、中途停下等失误，报告称这些偏差会影响盲扫AI对胎位和胎盘位置的分类，并建议做质量检测和重新扫查。那项研究没有测试孕周推算，也没有测试Google的模型。
也有其他工具采用同样的方法。Butterfly Network推出的盲扫孕周推算工具使用北卡罗来纳大学研究团队的模型，于2026年3月获得FDA许可。据报道，该工具在16至37周范围内经过验证，可在2分钟内给出推算值。
内罗毕的操作者用6小时实操学会的不是判读，而是如何以AI能读懂的质量均匀扫查
内罗毕3名操作者接受的6小时实操培训包括：观看示范扫查、在模型和志愿者身上练习、跟随专业超声医师观摩。芝加哥的2人只拿到说明书、听了口头讲解、看了简短演示。公开资料没有说明培训由谁负责。
被AI判定质量低而退回的扫查比例，芝加哥是内罗毕的四倍多，研究团队认为这一差距源于6小时实操培训。而孕周误差芝加哥为4.1天、内罗毕为4.3天，差别不大。两座城市除了培训不同，模型是否调整也不同，因此无法从误差中单独分离出培训的效果。各操作者的置信区间也很宽，研究团队写道，还需要用更多样的操作者来验证。
现场遇到的问题也更多出在设备上，而不是判读上。连续接诊期间没有空当充电，操作者们更希望用可更换的电池，而不是需要长时间插着的充电座。不稳定的电力、设备耐用性、更新后对硬件和软件重新测试，以及赢得临床医生和患者的信任，也是研究团队列出的难题。
过去，要有能找到胎儿切面、测量大小的专家，才能知道孕周。在这项研究中，没有超声经验的人按规定扫查腹部，AI读取影像，推算孕周的准确度与专家相当。这项研究表明，即使在没有专业超声医师的地方，也可以这样分工：人按规定均匀扫查，判读交给AI。
想深入了解
JAMA Network Open论文全文 可以看到研究设计、分城市结果、局限和利益冲突声明。pmc.ncbi.nlm.nih.gov
Google Research博客文章 用图梳理了训练、调整和验证的流程，还讲了电池等现场故事。research.google
盲扫质量评估研究 探讨扫查失误对AI分类的影响，以及如何通过重新扫查恢复性能。arxiv.org