超音波からの胎児推定体重 ― AIと従来法(Hadlock式)の精度比較 ― 臨床試験（ClinicalTrials.gov）

妊娠中の超音波検査では、胎児の頭・腹囲・大腿骨の長さなどを計測し、計算式で「推定体重」を求める。これは発育の遅れ(胎児発育不全)や過大児を見つけ、分娩の時期や方法を判断するための重要な手がかりになる。長く使われてきたのが計測値を当てはめるHadlock式だが、推定には一定の誤差があり、母体の体格や妊娠合併症によってずれが大きくなることも知られている。超音波画像そのものをAIで解析できれば、限られた計測点だけに頼らず、より安定した推定につながる可能性がある。

この研究の特徴は、新しいAIで「より良い数字が出る」と宣伝するのではなく、AIモデルと従来式の精度を同じ土俵で比べ、さらにAIが特定の集団で系統的にずれていないか(公平性)まで検証しようとする点にある。AIは学習データの偏りをそのまま引き継ぎやすく、体格・経産回数・妊娠週数・母体年齢・胎児の性別・妊娠高血圧腎症の有無などで精度が変わると、一部の妊婦に不利益が生じうる。こうしたバイアスを正面から調べる設計は、医療AIを実臨床へ持ち込む前段階として重要な意味を持つ。

胎児推定体重は産科の日常診療で最も頻繁に行われる評価の一つであり、その精度向上は周産期管理全体に波及しうる。画像由来のAI推定と既存式を比較し、公平性の観点まで含めて評価する取り組みは、画像診断AIを「精度」と「公平性」の両面から検証するという、医療AI全般に通じる方法論の一例として位置づけられる。