作者：李红娟（国家卫生健康委妇幼健康中心副研究员）

　　生育质量是人口高质量发展的起点，而生育健康服务是生育质量的重要保障，也是妇幼健康发展的前提和基础。生育健康服务的目标是通过提供全方位的生育支持，提高出生人口质量，降低孕产妇和新生儿的健康风险，并促进家庭和社会的可持续发展。人工智能作为新一代科技发展和产业升级的新动能，其发展与“数字中国”“健康中国”战略以及“以人口高质量发展支撑中国式现代化”的背景交织，为人工智能赋能生育健康服务提供了重要机遇及强劲动能，成为推动生育健康服务创新发展的技术支点。

　　深度融合的应用场景

　　人工智能与生育健康服务深度融合，是优化妇幼健康资源配置、提升妇幼健康服务效率、弥合妇幼健康不平等的重要路径。人工智能与生育健康服务深度融合涵盖远程医疗、辅助诊疗、健康管理三大场景，又具体细化为相应的融合业务及融合点。

　　“人工智能+远程医疗”场景克服时空限制，实现跨区域、跨机构的医疗服务协同，使远程诊断与会诊、远程急救协同、远程监护成为可能，做到了生育健康服务的无缝对接和联动。

　　“人工智能+辅助诊疗”场景涵盖孕、产、育等全周期的服务优化，实现了辅助诊疗决策、临床流程优化、数据驱动诊疗，做到了“算法补经验、速度换质量”，为健康画像的绘制提供真实可靠的客观依据。

　　“人工智能+健康管理”场景通过整合可穿戴设备、电子病历等多源健康数据，在数据采集、健康监测、风险评估、干预决策等方面实现智能化，优化了孕产妇、新生儿健康管理并对孕产妇进行心理健康干预，让孕产妇情绪“被看见、被理解、被干预”，从而为个体提供精准、高效、个性化的健康服务。

　　现阶段深度融合面临的挑战

　　人工智能与生育健康服务深度融合面临如下挑战。

　　在规范监管方面，由于新兴场景投入临床推广与建立约束规范以及审查机制之间还存在时间差，由此容易出现监管空白及盲区。

　　在数据方面，生育健康服务数据具有来源多样、类型复杂以及标准化程度低等特征，这不仅耗费医疗专业人员大量的时间和精力，而且也不利于数据的充分挖掘和利用，制约大模型的训练效果及应用价值。算法准确性同样面临挑战。由于数据样本规模限制以及数据来自特定区域，模型缺乏泛化能力和普适性，数据清洗和有效性识别削弱了算法的精度。此外，生育健康服务数据涵盖高度敏感的个人信息，如何确保这些数据在收集、存储、传输以及处理过程中的隐私性和安全性，是技术进步必须面对的伦理和法律问题。

　　在临床转化方面，大模型需要在大量临床数据上进行验证并与传统医疗方法进行比对，才能证明其有效性和安全性，这需要较高的时间成本与经济成本。其临床转化需要企业、医疗机构、科研院所等多方合作。同时，医生也要重新适应AI辅助决策，但“人工智能+医学”复合型人才的短缺将制约技术融合。

　　在人文关怀方面，人工智能拓展了生育健康服务的时空边界，在提高生育健康服务效率和优化资源配置方面发挥了重要作用。但对人工智能技术的过度依赖，减少了医患之间的互动沟通，忽略了个体的情感需求，使得个体的个性化需求难以得到关注。

　　实现深度融合的路径

　　人工智能赋能生育健康服务具有广阔的前景及重要的现实意义，需要从政策、技术、应用等层面进行推进。

　　首先，加强政策保障。一是完善政策法规体系，制定明确的准入标准与应用规范并做好责任划分。在人工智能技术应用于生育健康服务之前，要对算法的准确性、稳定性和可靠性进行充分的验证和测试，确保技术成熟后才能在实际中应用。同时，还要制定数据安全与隐私保护标准并进行伦理审查，确保符合伦理道德规范。人工智能技术在生育健康服务中应用的相应规范，应包括适用范围、详细操作规程及解释诊断和治疗建议的依据等。人工智能与生育健康服务深度融合涉及人工智能技术提供商、医疗机构、医护人员等多方主体，要做好各方责任划分，以解决人工智能技术在生育健康服务中可能出现的法律纠纷。二是建立监管与评估机制，包括质量监管、效果评估、风险控制三个方面。其中，质量监管贯穿于人工智能技术在生育健康服务各个节点的应用，既涉及技术要求，也涉及数据质量控制。效果评估则包括临床效果评估、经济效益评估、社会效益评估以及患者满意度等。风险控制主要涉及风险识别、风险评估、风险应对等。三是加大政策支持力度。可从加大资金投入、促进科研项目立项、科研成果转化以及税收优惠减免等方面给予倾斜，鼓励企业和社会力量积极参与技术研发及服务创新。比如，可优先支持生育健康服务智能化升级方面的科研立项。

　　其次，强化技术支撑。一是加强技术研发与创新。加大人工智能在生育健康服务领域技术研发的投入，提高人工智能技术对相关疾病预测、诊断、治疗等方面的准确性及可靠性。开发针对生育健康服务的便携式诊断设备、智能监测设备及远程诊疗平台。二是构建数据平台与知识库。整合年鉴数据、监测调查数据等多源数据及政策文件、文献资料等，做好数据标准化与规范化，建立生育健康服务数据平台与知识库，为人工智能技术在生育健康服务中的应用提供丰富的数据支持和知识基础。三是推动算法优化与模型训练。不断优化人工智能算法，提高其数据处理及分析挖掘能力。加强模型训练及多模态模型研究，提高模型诊断准确率和预测能力。

　　最后，推动落地实践。一是深化产学研合作。加强人工智能技术企业、医疗机构、科研院所之间的合作，推动人工智能技术在生育健康服务中的应用。技术企业应不断推进技术升级迭代，为生育健康服务提供更具针对性、可操作性的技术应用和解决方案。医疗机构可以为技术企业提供丰富的数据资源及临床应用场景。科研院所应充分发挥桥梁纽带作用，加强与技术企业、医疗机构之间的沟通，推动技术的转化及应用。二是加强专业人才培养。建立复合型人才培养体系，培养既懂人工智能技术又懂生育健康服务的复合型人才。开展人工智能赋能生育健康服务相关培训项目，促进医护人员更好地利用人工智能工具，并在实践中不断提出改进意见及建议。三是建立项目试点。总结项目经验，以点及面，通过现场观摩、场景路演等方式，做好项目的复制推广。