母婴AI读取440万次诊疗记录：孕期风险预测迈出一步，但还不能替代医生
一项9月4日发表于《Nature Medicine》的研究，把孕期和婴儿期分散在不同时间点的电子健康记录串联起来，用于评估母婴当前与未来的健康风险。它展示了常规检查数据可能产生的新价值，但这仍是临床决策支持研究，并不意味着孕妇可以依靠AI自行判断风险或减少产检。
研究读的不是一次检查，而是一条时间线
研究团队开发了名为MoChiAgent的“母子AI智能体”，核心预测引擎为MoChiFormer。论文摘要显示，模型在4401599次纵向诊疗记录上开发和内部评估，并在独立的母体与婴儿队列中进行外部验证，相关队列分别包含263452次和23192次诊疗记录。
与只看某一次血压或化验结果的模型不同，这套系统尝试理解指标随孕周和婴儿成长发生的连续变化。它会处理缺失的实验室数据、不同医院之间的批次差异，并学习与孕周、胎儿及婴儿年龄、健康轨迹有关的记录特征。
预测指标亮眼，但不能直接等同于临床效果
论文报告，模型识别胎盘早剥、胎膜早破和早产风险时的AUROC分别为0.89、0.89和0.91。AUROC用于衡量模型区分较高风险与较低风险人群的能力，数值较高并不代表每一个人的预测都正确，也不能直接理解为“准确率百分比”。
研究还把母亲孕期记录与婴儿出生后的记录联系起来，发现特定母体风险分组与新生儿黄疸、血液系统疾病风险升高存在关联。把母体孕期数据加入婴儿记录后，对部分婴儿疾病的预测有所改善。不过，关联不等于因果，模型也不能据此为某个家庭直接作诊断。
AI更适合提醒医生复核，而不是代替医生
MoChiAgent还会根据预测结果检索医学文献和权威指南，向临床人员提供可追溯的参考信息。比较现实的应用方向，是帮助医疗团队从大量连续记录中发现需要进一步关注的变化，再由医生结合症状、查体、影像和个人病史判断。
这项研究目前主要证明了模型在既有数据上的表现。真正进入日常产检前，还需要在不同地区、不同医院和不同人群中持续验证，并观察它是否能改善实际健康结局、是否会产生漏报或过多警报。数据隐私、授权范围以及母婴记录如何安全关联，也必须同时解决。
对孕产家庭来说，最重要的仍是保留连续记录
家庭不需要为了“让AI判断”而额外购买检查。更有价值的做法，是按约定完成规范产检，保存检查报告和用药记录，跨院就诊时主动说明既往异常、过敏史与当前症状。单个数值正常，也不能替代医生对整段孕期变化的判断。
如果医院未来使用类似辅助系统，孕妇可以了解数据会被怎样使用、谁能查看结果，以及系统提示由哪位医生复核。出现头痛、视物异常、阴道流血、胎动异常等需要及时就医的情况时，应直接联系医疗机构，不能等待软件给出答案。
月子机构要守住生活照护的边界
对月子会所而言，这类技术带来的启示不是自行采购一个模型给产妇“算风险”，而是把入住前健康信息、出院医嘱、复诊时间和日常观察记录交接清楚。工作人员发现母婴状态异常时，应按预案通知家属并协助就医，不能把算法提示当成医学诊断。
机构还应遵循必要、知情和授权原则处理健康资料，避免把产检报告上传到来源不明的在线工具。技术只有嵌入清晰的责任流程并接受专业人员复核，才可能成为母婴安全的助手，而不是新的信息风险。
这项研究让人看到连续健康数据的潜力；对当下家庭而言，规律产检、完整交接和及时就医，仍是比追逐“AI预测”更可靠的行动。