108605
论文已发表
注册即可获取德孚的最新动态
IF 收录期刊
- 3.4 Breast Cancer (Dove Med Press)
- 3.2 Clin Epidemiol
- 2.6 Cancer Manag Res
- 2.9 Infect Drug Resist
- 3.7 Clin Interv Aging
- 5.1 Drug Des Dev Ther
- 3.1 Int J Chronic Obstr
- 6.6 Int J Nanomed
- 2.6 Int J Women's Health
- 2.9 Neuropsych Dis Treat
- 2.8 OncoTargets Ther
- 2.0 Patient Prefer Adher
- 2.2 Ther Clin Risk Manag
- 2.5 J Pain Res
- 3.0 Diabet Metab Synd Ob
- 3.2 Psychol Res Behav Ma
- 3.4 Nat Sci Sleep
- 1.8 Pharmgenomics Pers Med
- 2.0 Risk Manag Healthc Policy
- 4.1 J Inflamm Res
- 2.0 Int J Gen Med
- 3.4 J Hepatocell Carcinoma
- 3.0 J Asthma Allergy
- 2.2 Clin Cosmet Investig Dermatol
- 2.4 J Multidiscip Healthc
已发表论文
生成式人工智能在高龄孕产妇围产期保健中的研究进展与临床转化路径
Received 30 May 2025
Accepted for publication 7 September 2025
Published 18 September 2025 Volume 2025:17 Pages 3077—3085
DOI https://doi.org/10.2147/IJWH.S542758
Checked for plagiarism Yes
Review by Single anonymous peer review
Peer reviewer comments 2
Editor who approved publication: Dr Vinay Kumar
摘要
目的 分析生成式人工智能（生成式 AI）在高龄孕妇围产期医疗中的当前应用状况、技术特点及面临的挑战，并探索有针对性的优化策略。方法 通过检索 PubMed、Web of Science、CNKI 和 Wanfang 数据库，从 2020 年 1 月至 2025 年 4 月进行系统文献综述。若研究聚焦于生成式 AI 在≥35 岁孕妇围产期护理中的应用，则纳入其中；最终纳入 78 项研究（42 项为中国研究，36 项为国际研究），涵盖技术应用、临床验证和伦理治理。我们总结了生成式 AI 在风险预测、个性化管理和远程监测方面的应用，并分析了数据治理、技术限制、资源分配和伦理监督等方面的问题。结果 生成式 AI 通过整合多种数据源进行模型构建、规划动态干预和促进远程监测，提高了医疗效率。具体而言，基于生成对抗网络（GANs）的模型在预测 B 组链球菌感染方面实现了 0.80 至 0.85 的 AUC 值，而 Transformer 模型相较于传统方法，使产前抑郁症筛查的准确率提高了 15%至 20%。然而，它面临着一些挑战，包括数据隐私风险（例如，32%的孕产妇医疗机构缺乏加密数据存储）、模型的“黑箱”特性（42%的临床医生表示对人工智能决策的信任度较低）、城乡技术差距（只有 18%的县级医院使用人工智能产前工具）以及模糊的责任定义。结论 生成式人工智能在高龄孕妇的产前护理中显示出显著的应用潜力。通过技术创新（例如可解释的人工智能）、解释性优化、资源部署（例如轻量级移动工具）以及伦理监督来推动其应用的实施，对于改善中国乃至全球的孕产妇和婴儿健康状况至关重要。