PAICS是一种实时AI辅助系统，用于产前超声检查中辅助识别胎儿颅内畸形。

PAICS能提高胎儿颅内畸形的检出率吗？

可以。研究显示，AI辅助后胎儿层面检出敏感度从78.6%提升至87.3%，畸形层面从69.6%提升至81.4%。

PAICS会增加误报吗？

不会明显增加。研究结果显示，其特异性保持非劣效，说明在提高检出率的同时未显著增加误报。

‎产前超声AI多中心随机试验胎儿颅内畸形检出敏感度提升8.7个百分点

作者：解螺旋资讯组

2026-09-23｜原创

全文概要
《The Lancet Digital Health》近日在线发表一项由中国多中心团队完成的自交叉随机对照试验：中山大学附属第一医院等 5 家产前诊断中心测试了实时 AI 辅助系统 PAICS 对胎儿颅内畸形的检出效果。结果显示，AI 辅助将胎儿层面检出敏感度从 78.6% 提升至 87.3%（+8.7 个百分点），畸形层面从 69.6% 提升至 81.4%，且特异性保持非劣效，为医学影像 AI 在真实产前超声流程中的临床价值提供了难得的随机对照证据。

《The Lancet Digital Health》近日在线发表一项由中国多中心团队完成的自交叉随机对照试验：中山大学附属第一医院等 5 家产前诊断中心测试了实时 AI 辅助系统 PAICS 对胎儿颅内畸形的检出效果。结果显示，AI 辅助将胎儿层面检出敏感度从 78.6% 提升至 87.3%（+8.7 个百分点），畸形层面从 69.6% 提升至 81.4%，且特异性保持非劣效，为医学影像 AI 在真实产前超声流程中的临床价值提供了难得的随机对照证据。

1. 产前超声的"漏检"难题

产前超声是筛查胎儿颅内结构异常的一线手段，但其准确性高度依赖操作者的经验与手法。胎儿颅内畸形（如侧脑室增宽、颅内囊肿等）在实时扫描中转瞬即逝，超声医师须在动态、低信噪比的图像中同步完成定位、切面与识别，漏检风险高。尤其在基层机构，低年资医生经验不足，更容易错过关键异常征象。

这正是"医学影像 AI"一直想补上的短板。但过去绝大多数超声 AI 研究停留在"事后读图"——让模型读取预先保存好的标准切面或视频，这与真实扫描室里"边扫边判"的实时工作流存在本质差异。AI 究竟能否在超声医师手握探头、实时操作的真实流程中真正帮上忙，此前一直缺乏设计严格的随机对照试验来回答。

2. PAICS：把 AI 放回实时扫描现场

这项研究由中山大学附属第一医院等 5 家产前诊断中心完成，采用多中心、自交叉随机对照设计，纳入 1584 次真实扫描，检验实时 AI 辅助系统 PAICS（产前超声诊断人工智能导引系统）对 10 种胎儿颅内畸形的检出效果，以专家视频判读作为参照标准。

结果表明，AI 辅助后胎儿层面检出敏感度从 78.6% 升至 87.3%（+8.7 个百分点，95% CI 2.9–14.7），畸形层面从 69.6% 升至 81.4%，而特异性保持非劣效——即在显著提升检出能力、减少漏检的同时，并未显著增加误报。这一"敏感度提升、特异性不劣"的结果，是影像 AI 最理想也最难达到的平衡点。

3. 结果与临床落地意义

对临床医生而言，这项研究的价值在于它证明：AI 可以在真实、实时的产前超声工作流中"补上漏检"，尤其可能惠及基层与低年资超声医师，缓解因经验差异导致的漏诊不均。对科研与工程团队而言，它给出了一个可复用的评价范式——用随机对照设计、真实扫描、专家判读作为金标准，来检验影像 AI 的增量临床价值，而非仅用回顾性 AUC。

值得注意的边界是：该研究的敏感性提升虽达统计学显著，但绝对幅度约 8.7 个百分点，且参照标准为专家视频判读，AI 的最终临床效益仍需在更大规模、不同人群与更多畸形类型中进一步验证。尽管如此，作为产前超声 AI 领域少数的高质量随机试验，PAICS 的成果为"AI 辅助产科超声"从实验室走向产前筛查一线提供了关键证据，也为国内影像 AI 的循证落地树立了标杆。