مقایسه عملکرد هوش مصنوعی در تشخیص ناهنجاری های مادرزادی قلب جنین بین سونوگرافی سه ماهه اول و دوم بارداری: یک مرور سیستماتیک

زمینه و هدف: ناهنجاری های مادرزادی قلب (CHD) شایع ترین ناهنجاری های مادرزادی هستند و تشخیص زودهنگام آن ها اهمیت زیادی دارد. این مرور سیستماتیک با هدف مقایسه عملکرد هوش مصنوعی در تشخیص CHD در سونوگرافی سه ماهه اول و دوم بارداری انجام شد. مواد و روش ها: جستجو در پایگاه های PubMed، Scopus، Google Scholar و ScienceDirect تا سال ۲۰۲۶ انجام شد. از میان ۵۰ مطالعه، ۲۰ مقاله واجد شرایط انتخاب و کیفیت آن ها با ابزار QUADAS-۲ ارزیابی شد. یافته ها: در سه ماهه دوم، مدل های هوش مصنوعی حساسیت ۸۹٪، ویژگی ۹۱٪ و AUC برابر ۰٫۹۵۲ داشتند. در سه ماهه اول، الگوریتم های یادگیری عمیق با دقت حدود ۹۶٪ نماهای استاندارد قلب جنین را شناسایی کردند. همچنین، مدل های چندوجهی نسبت به مدل های مبتنی بر تصویر عملکرد بهتری نشان دادند و یک نرم افزار مبتنی بر هوش مصنوعی در تشخیص CHD شدید، حساسیت ۹۶٫۸٪ و ویژگی ۹۷٫۷٪ را به دست آورد. نتیجه گیری: هوش مصنوعی توانایی بالایی در بهبود تشخیص ناهنجاری های قلبی جنین در هر دو سه ماهه دارد، هرچند عملکرد آن در سه ماهه دوم بهتر است. با وجود این، تشخیص زودهنگام در سه ماهه اول نیز با دقت مناسب امکان پذیر است. محدودیت هایی مانند کمبود داده، ناهمگونی مطالعات و چالش تفسیرپذیری همچنان وجود دارد و انجام مطالعات بالینی بزرگ تر برای کاربرد گسترده این فناوری ضروری است.

کلیدواژه ها:

هوش مصنوعی ، ناهنجاری های مادرزادی قلب ، سونوگرافی سه ماهه اول بارداری ، سونوگرافی سه ماهه دوم بارداری ، مرور سیستماتیک