GestaCare：用 14 年的常规产检记录，预测早产

我和团队的工作 GestaCare 发表在 Nature 旗下期刊 npj Digital Medicine（IF=18，SCI 一区 Top）。我在这篇工作里承担了共同第一作者的部分。这里用中文把这件事讲清楚：我们做了什么、为什么做、以及它可能改变什么。

早产：一个被低估的世界性难题

早产（怀孕不满 37 周分娩）是全球 5 岁以下儿童死亡的"头号杀手"之一，大约每 10 个新生儿里就有 1 个早产。分娩孕周越早，孩子死亡、严重并发症和远期发育异常的风险就越高。双胎妊娠的风险还要更高。

而早产不是临产那一刻突然发生的——很多病理过程在孕期悄悄演变了几个月。所以临床上真正需要的，是在整个孕期动态评估风险，而不是临近了才发现。

1. 准的方法太贵。 近年研究用蛋白质组学、代谢组学描绘"妊娠时钟"，性能不错，但质谱和高通量测序不是常规产检项目，成本太高，没法推广。

2. 常规产检的数据被浪费了。 孕妇整个孕期要产检十几次，这些连续变化的数据里全是信息。但现有预测研究大多把动态过程压缩成一两次静态评估，等于只看了一个快照。

3. 只回答"会不会"，不回答"什么时候"。 产科医生其实更想知道"距离分娩还有几周"，这样才能安排预防措施。现有模型大多只输出一个二分类结果。

针对这三个问题，团队开发了 GestaCare 深度学习模型：按产检时间顺序整合孕妇的历次常规病历，每次产检后动态更新早产风险，并估计距离分娩还有几周。

技术上有三个关键设计：

只看过去，不看未来。 医生在产检现场不可能预知之后的检查结果。GestaCare 用单向 GRU 加因果注意力掩码，每次预测都严格只使用"截至当时"的数据，还原真实临床场景，避免模型"偷看答案"。
自动抓重点。 不同孕妇的产检时间和项目千差万别，模型引入时间间隔自适应衰减和通道特征重校准，当关键指标（比如宫颈缩短、胆汁酸骤升）出现时能立刻聚焦。
两个问题一起答。 同时输出"早产风险有多高"和"距离分娩还有几周"，实验证明联合预测能让两个任务都更准。

模型在北京大学第三医院 2011–2024 年的电子病历上开发：56,373 例单胎 + 3,577 例双胎，覆盖连续 14 个日历年——是目前早产预测领域规模最大、时间跨度最长的单中心电子病历队列之一。

训练完成后，模型参数全部冻结，接受两项独立考试：

结果：单胎早产预测 AUROC 0.810 / AUPRC 0.328，比最优基线模型分别提升 7.0% 和 23.3%；分娩孕周预测的平均绝对误差仅 1.58~2.20 周。即使把数据缺失率压到 60%~80% 的极端条件，性能依然稳定。

一、单胎和双胎的早产，走的是两条完全不同的路径。 单胎呈"营养-炎症主导"：白蛋白、转氨酶、红细胞指标最重要；双胎则是"机械-血流动力学主导"：宫颈长度、孕妇年龄、空腹血糖权重最高。这说明两种早产的病理机制本质不同，不能照同一套思路防。

二、化验单的"正常范围"在孕期并不可靠。 GestaCare 发现很多指标与早产风险是非线性关系，存在随孕周变化的"动态安全区间"——化验单上的轻度异常未必危险，而某些还在"正常范围内"却逼近风险拐点的值，反而要警惕。

另外，模型对医源性早产（有明确医学原因需要提前终止妊娠）的识别尤其准（单胎 AUROC 0.929），因为这类早产往往伴随子痫前期、肝肾功能恶化等有迹可循的指标轨迹——AI 抓住了。

为了服务更多产科医生和孕产妇，我们免费开源了全套算法代码和可交互网页系统：

从昂贵的组学检测，到基于常规病历的动态预测——我们希望这是一条普惠、可推广的路线，让资源不均衡地区的孕产妇也能用上 AI 守护孕期安全。