近日，北京协和医院妇产科学系主任朱兰院士、陈娟主任医师团队联合北京大学王腾蛟教授团队联合完成了基于AI驱动的盆底表面肌电参数参考值界定，并在此基础上开发了高精度盆底功能障碍预测模型（AI-Diagnostician-PFD），相关成果发表在柳叶刀子刊EBioMedicine（中科院1区）。

盆底功能障碍疾病患病率高，严重影响患者生活质量，是重要的公共卫生问题。盆底肌的肌力减弱是其核心病因，盆底肌功能评估在疾病的诊断、治疗和康复中发挥重要作用。但盆底表面肌电的Glazer评估中的11个参数的参考值范围均是基于20年前小样本数据建立的，其在中国人群中的准确性和合理性需进一步验证。

研究团队从全国21个中心招募了1605名参与者（其中健康女性占三分之二），整合Glazer评估、人口学特征及临床评估等参数，构建了63维多模态盆底肌电数据库。

这是首个应用AI算法界定盆底表面肌电正常值的研究。团队首先采用基于遗传算法的多目标优化模型，推导出11个盆底表面肌电参数的最佳正常值参考范围。在内部测试集与外部独立验证集上，AI给出的参考区间在疾病判别效能上均有更优表现。AI的评价指标——受试者工作特征曲线下面积（AUC），在测试集和验证集分别达到0.81和0.79，明显优于传统Glazer评估标准的表现，提升幅度达11%。

在此基础上，研究团队通过集成学习构建了盆底功能障碍的智能诊断系统，团队将其命名为AI-Diagnostician-PFD。其综合诊断能力优于其他机器学习/深度学习模型，AUC均领先表现最佳的基线模型1个百分点。

研究团队表示，AI-Diagnostician-PFD模型还有进一步优化空间，如进一步细分不同类型盆底疾病，以更好地辅助康复方案制定。团队计划将AI-Diagnostician-PFD嵌入医疗工作站免费使用，实现盆底功能障碍的实时辅助诊断，推动个体化精准诊疗，改善人群健康。

文图 / 妇产科学系提供

编辑 / 傅谭娉 陈恔