1. 项目概述：从胎心监护信号中“读出”胎儿健康风险

在产科临床，评估胎儿宫内安危一直是核心挑战。传统上，医生依赖超声生物测量来估算胎儿大小和孕周，但这套方法有几个绕不开的痛点：设备昂贵、操作依赖技师经验、难以频繁重复检查，更无法提供实时的、连续的胎儿状态反馈。尤其在医疗资源不均衡的地区，许多孕妇无法获得规律、高质量的产前超声监测，这直接增加了不良妊娠结局的风险。

与此同时，胎心宫缩监护（Cardiotocography, CTG）作为一种已临床应用数十年的技术，却长期被“低估”了其潜力。它通过腹部探头无创地记录胎儿心率和宫缩曲线，成本低、可床边甚至居家操作。然而，过去CTG的分析大多停留在“当下”状态的判读上，比如识别胎儿是否存在急性缺氧或酸中毒。一个核心问题被忽视了：这些持续20-40分钟、看似平凡的胎儿心率波动曲线里，是否隐藏着能预测“未来”风险的密码？能否像通过树木的年轮推断其生长历史和未来活力一样，从CTG信号中解读出胎儿发育的“生物年龄”及其健康轨迹？

这正是“CTGage”这项研究试图回答的问题。我们团队的工作，本质上是将 深度学习 这把“放大镜”和“解码器”对准了海量的CTG时间序列数据。我们不再满足于对信号做简单的“正常/异常”二分法分类，而是训练了一个名为Net1D的神经网络模型，让它直接回归预测一个连续值：胎儿的 生物年龄（Biological Age） 。这个由AI模型预测出的年龄，我们称之为CTGage。它的魔力不在于绝对精度，而在于它与胎儿实际孕周（按末次月经计算）的差值——我们称之为 CTGage-gap 。

这个gap值，就是我们找到的 数字生物标志物 。你可以把它理解为胎儿发育的“加速度表”。当AI预测的年龄显著大于实际孕周（正gap），可能提示胎儿生长过快；反之，若预测年龄显著偏小（负gap），则可能暗示生长受限。我们的临床验证清晰地表明，这个简单的差值，与早产、低出生体重儿、新生儿窒息等 不良妊娠结局 的发生率存在显著统计学关联。这意味着，通过一次常规的、低成本的CTG检查，我们就有可能筛出那些目前看似“正常”、但未来风险较高的胎儿，为早期干预赢得宝贵时间。

2. 核心思路与技术架构拆解

2.1 为什么是“生物年龄”而非直接分类？

在着手设计模型之前，我们面临一个根本性的方案选择：是让AI直接预测“是否会发生早产”等具体不良结局（分类任务），还是预测一个连续的“生物年龄”（回归任务）？

我们选择了后者，这基于几个关键考量：

1. 临床意义的普适性 ：直接分类模型通常是“一事一议”的。预测早产的模型无法用于评估低出生体重风险，你需要为每一种不良结局训练一个单独的模型。这不仅数据需求量大，且模型结果难以横向比较。而“生物年龄”是一个 基础且通用的发育标尺 。无论最终表现为哪种具体并发症，其根源往往都可追溯到胎儿生长发育轨迹的异常。预测生物年龄，相当于抓住了问题的“上游”和“共性”。
2. 数据利用的高效性 ：回归任务能更充分地利用数据中的连续信息。胎儿的发育是连续过程，孕周每增加一天，其生理状态都在微妙变化。分类任务将这种连续变化强行割裂，损失了大量信息。回归模型则能学习这种连续的映射关系，理论上能捕捉到更细微的发育偏离。
3. 结果的可解释性 ：预测出的CTGage-gap是一个有明确物理意义的数值（天数）。临床医生可以直观理解：“这个胎儿发育比实际孕周快了3周”或“慢了2周”。这种解释远比一个“高风险概率为73%”的黑箱输出更贴近临床思维，也更容易转化为具体的临床决策（如加强监护、营养干预或促胎肺成熟）。

2.2 模型选型：为什么是Net1D？

处理CTG这种一维时间序列信号，卷积神经网络（CNN）是自然的选择。但我们没有使用更复杂的时序模型（如LSTM或Transformer），而是基于ResNet架构定制了一个一维卷积网络（Net1D），主要出于以下原因：

1. 局部特征与全局特征的平衡 ：CTG信号中，既有瞬时的胎心加速/减速（局部特征），也有基线变异、长期趋势（全局特征）。一维CNN通过多层卷积核，能有效提取从毫秒级到分钟级的不同尺度特征。较深的网络结构可以扩大感受野，捕捉长程依赖。
2. 残差连接（Residual Connection）的稳定性 ：我们直接采用了ResNet的核心思想——残差块。对于CTG这种可能长达数千个时间点（对应数十分钟）的长序列，训练深度网络容易遇到梯度消失或爆炸问题。残差连接允许梯度直接跨层传播，极大地稳定了训练过程，使我们能构建更深的网络以提升特征提取能力，而不用担心模型难以优化。
3. 通道注意力机制（Squeeze-and-Excitation Module）的引入 ：这是Net1D的一个关键升级。CTG信号的不同频率成分、不同时间片段对预测“生物年龄”的重要性是不同的。SE模块能自适应地校准特征通道的权重，让网络学会“关注”更重要的特征。例如，模型可能会给代表胎儿心率变异性的特征通道分配更高权重，而降低某些噪声或母体活动伪迹通道的权重。
4. 效率与泛化 ：相比于RNN类模型，CNN在训练和推理上通常更高效。结合数据增强策略（后文详述），CNN也展现出更好的泛化能力，这对于在不同设备、不同采集环境下获得的CTG信号至关重要。

注意 ：模型结构并非越复杂越好。在医疗AI中，尤其是在数据量并非无限大的情况下，结构清晰、易于训练和解释的模型往往比追求极致复杂度的模型更具实用价值。Net1D在性能、效率和可解释性之间取得了很好的平衡。

2.3 核心创新：分布对齐的增强回归技术

这是我们工作中的一个技术亮点，旨在解决一个非常实际且棘手的问题： 数据分布不平衡 。

在真实临床数据中，孕周分布并非均匀的。例如，在孕晚期（34-40周）来做CTG检查的孕妇远多于孕中期。这就导致训练数据中，某些孕周标签（如38周）的样本量极大，而另一些（如28周）的样本量很少。一个朴素的回归模型会倾向于让所有预测值向样本量多的区域（即分布的中部）靠拢，导致对“尾部”（极早或极晚孕周）样本的预测误差很大。

我们提出的“分布对齐的增强回归”是一套组合拳：

1. 针对稀疏标签的数据增强 ：对于样本量少的孕周区间，我们不仅使用常规的滑动窗口截取（从长序列中生成多个短序列样本），还额外施加了随机时间扭曲（拉伸或压缩）和添加随机噪声。这相当于人为地、有针对性地“创造”了更多尾部样本，缓解了数量的绝对不平衡。
2. 分布损失函数（DistLoss） ：这是关键。我们不再仅仅最小化每个样本的预测误差（点损失，Point Loss），还引入了一个分布层面的约束。我们根据训练集所有样本的真实孕周，构建了一个理论上的标签分布（一个截断的正态分布）。在训练时，我们要求模型一个批次（batch）的预测值的 分布形态 ，必须与这个理论分布对齐。这相当于告诉模型：“你可以有预测误差，但整体上，你预测出的不同孕周的比例，应该符合真实的临床情况。”这有效防止了模型将所有样本都预测到样本密集的中间区域。
3. 单调性正则化（Slope Regularization） ：DistLoss有一个潜在风险：为了整体分布匹配，模型可能会“牺牲”少数样本，比如故意将实际孕周大的样本预测得更小。为此，我们增加了一个单调性约束，惩罚预测值与真实值之间回归斜率偏离1的情况。这确保了“孕周越大，预测值也倾向于越大”的基本逻辑不被破坏。

最终，总损失函数是点损失、分布损失和单调性正则损失的加权和。这套方法显著提升了模型在全体本，尤其是稀疏样本上的预测稳健性。

3. 数据 pipeline 构建与实操要点

3.1 数据来源与清洗：从原始记录到可用样本

我们的数据全部来源于北京大学人民医院2018年至2022年的临床记录，共包含11,385名孕妇的61,140条CTG记录。每条记录是采样率为2Hz的胎儿心率时间序列，即每分钟有120个数据点。

原始数据清洗流程如下：

1. 长度筛选 ：剔除记录时长少于30分钟（即数据点少于3600个）的片段。过短的记录无法反映胎心率的完整周期和变异模式，信息量不足。
2. 孕周范围筛选 ：只保留孕周在20至42周之间的记录。这是CTG临床应用的常规有效范围，过早或过晚（理论上超过42周为过期妊娠）的数据生理意义不同，且样本量极少，不利于模型学习。
3. 分割策略 ：这是保证评估公正性的核心。我们 没有 简单地将所有数据随机分割。而是先根据孕妇是否发生不良结局（或患有相关母体疾病）进行分层。
   • 开发队列 ：全部由“正常”（无任何指定不良结局或疾病）的孕妇记录组成。我们将其按8:1:1划分为训练集、验证集和测试集。这个队列用于训练和优化核心的CTGage预测模型。
   • 临床评估队列 ：包含“正常”孕妇的测试集数据 + 所有 “异常”（有不良结局或疾病）的孕妇记录。这个队列 不参与模型训练 ，专门用于评估CTGage-gap与临床结局的关联性。这种分割方式确保了我们在评估模型预测的“生物标志物”的临床价值时，用的是模型从未“见过”的异常样本，评估结果无偏且可靠。

实操心得 ：医疗AI项目中，数据分割策略往往比模型选择更重要。必须严防“数据泄露”，即测试集中样本的信息以任何形式在训练阶段被模型“看到”。我们的分层分割法，确保了模型在“正常”数据上学习发育规律，然后将其泛化能力真正在“异常”数据上进行检验，这符合临床转化研究的逻辑。

3.2 特征工程与模型输入处理

对于深度学习模型，尤其是处理原始信号的CNN，我们通常不做复杂的人工特征工程（如计算基线、变异、加速次数等），而是让网络直接从原始信号中学习。但这不意味着数据可以直接丢给模型。

1. 标准化 ：我们将每条CTG时间序列的数值进行z-score标准化，即减去整个训练集信号的均值，除以标准差。这有助于模型收敛，并减少不同设备或个体间基线心率绝对值的差异带来的干扰。
2. 序列定长 ：Net1D需要固定长度的输入。我们统一将每条记录截取或填充至一个固定长度（例如3600点，对应30分钟）。对于超过30分钟的记录，我们采用滑动窗口法，以50%的重叠率切分出多个30分钟的子序列，这同时起到了数据增强的作用。
3. 标签准备 ：模型的监督信号是“实际孕周”，以天为单位。这个孕周基于可靠的末次月经日期或早期超声校正确定，是临床金标准。

3.3 模型训练与调参实录

我们使用PyTorch框架进行实现。训练在一台配备4张NVIDIA RTX 3090显卡的服务器上进行。

关键训练细节：

• 优化器 ：Adam，初始学习率设为1e-3。Adam的自适应学习率特性使其在早期快速收敛。
• 学习率调度 ：采用带热重启的余弦退火（Cosine Annealing Warm Restarts）。这是一种非常有效的策略。训练过程中，学习率按余弦函数从初始值下降到接近0，然后突然“重启”到一个较高的值（非初始值，但高于谷值）。这个过程循环多次。它的作用是让模型周期性地跳出当前的局部最优点，有机会探索到更优的参数空间，对于非凸的深度网络优化尤其有益。
• 正则化 ：除了损失函数中的分布对齐约束，我们还使用了L2权重衰减（系数1e-3）来防止过拟合。
• 早停法 ：我们监控验证集上的平均绝对误差（MAE）。如果连续多个epoch（如20个）验证损失不再下降，则停止训练，并回滚到验证损失最低的模型参数。这避免了模型在训练集上过拟合。

经过192个epoch的训练，模型在独立测试集上达到了平均绝对误差（MAE）为10.91天的性能。这意味着，模型预测的胎儿生物年龄，平均而言与真实孕周相差约11天。考虑到胎儿发育本身存在个体差异，且CTG信号受胎动、睡眠周期、母体状态等多种因素瞬时影响，这个精度在临床上是具有参考价值的。

4. 从预测值到生物标志物：CTGage-gap的临床解读

模型训练好之后，其核心产出不是一个孤立的“预测孕周”，而是由此计算出的 CTGage-gap 。

计算方式 ：CTGage-gap = AI预测的CTGage (天) - 实际孕周 (天)

4.1 风险分层的阈值设定

如何解读这个gap值？我们基于临床经验和数据分布，设定了四个阈值（-21天， -7天， +7天， +21天），将孕妇分为五组：

CTGage-gap分组	临床含义	风险等级
< -21天	严重低估组 ：AI预测年龄比实际孕周小3周以上	高风险组
-21天 ~ -7天	轻度低估组	中风险组（灰区）
-7天 ~ +7天	正常组 ：预测年龄与实际孕周差异在1周内	低风险/参考组
+7天 ~ +21天	轻度高估组	中风险组（灰区）
> +21天	严重高估组 ：AI预测年龄比实际孕周大3周以上	高风险组

为什么是±7天和±21天？

• ±7天 ：约1周的差异在胎儿发育中属于正常的生理波动范围。胎儿生长并非绝对匀速，短暂加速或放缓是常见的。
• ±21天 ：约3周的差异则明显超出了正常变异范围。在产科临床，3周的生长发育差异通常具有明确的病理学意义，提示需要临床医生高度重视并寻找潜在原因（如母体疾病、胎盘功能等）。

因此，我们将“严重低估组”和“严重高估组”合并定义为 “高风险组” ，作为临床筛查和干预的重点关注对象。

4.2 临床关联性分析结果

在临床评估队列中，我们严格统计了不同CTGage-gap分组中，各种不良妊娠结局的发生率，并进行统计学检验（T检验和Kruskal-Wallis H检验）。部分关键发现如下：

1. 与胎儿不良结局的关联 ：

   • 早产儿 ：在CTGage-gap > 21天（严重高估组）的孕妇中，早产发生率为 5.33% ，显著高于正常组（-7~7天）的 1.42% 。这表明，当AI模型认为胎儿“比实际孕周老成”超过3周时，其提前分娩的风险显著增加。
   • 低出生体重儿 ：在CTGage-gap < -21天（严重低估组）的孕妇中，低出生体重儿发生率为 0.17% ，虽然绝对值不高，但与正常组（0.15%）相比仍有统计学差异。这表明，发育显著偏慢的胎儿，出生体重不足的风险更高。
   • 新生儿窒息、胎儿窘迫、胎儿畸形 ：这些结局也呈现出与CTGage-gap绝对值的正相关趋势，即gap的绝对值越大（无论正负），风险有升高的倾向。

2. 与母体疾病的关联 ：

   • 妊娠期糖尿病（GDM） ：在严重高估组（gap > 21天）中，GDM的患病率高达 31.93% ，远高于正常组的20.86%。这很好理解：GDM导致母体高血糖环境，胎儿通过胎盘获取过多营养，容易生长过快、体重过大，表现为“生物年龄”超过实际孕周。
   • 贫血 ：在严重低估组（gap < -21天）中，孕妇贫血患病率为 37.51% ，高于正常组的34.74%。母体贫血可能导致输送给胎儿的氧气和营养物质不足，从而限制胎儿生长，表现为“生物年龄”落后于实际孕周。

这些关联性结果强有力地证明， CTGage-gap并非一个数学游戏的结果，而是真实反映了母胎病理生理状态对胎儿发育进程的影响 。它作为一个综合性的数字生物标志物，将母体疾病（如GDM、贫血）与胎儿不良结局（如早产、低体重）通过“胎儿发育速度”这一核心桥梁联系了起来。

5. 模型可解释性：让AI的“注意力”可视化

深度学习模型常被诟病为“黑箱”。为了让临床医生信任并理解模型的决策，我们引入了基于梯度的可视化方法，来呈现模型在分析CTG信号时的“注意力”焦点。

技术原理简述 ：我们计算输入CTG序列的每个时间点对最终预测输出（CTGage）的梯度。梯度绝对值的大小，反映了该时间点的数据变化对预测结果的影响程度。我们将这些梯度值进行对数压缩（增强对比度）、高斯平滑（去除噪声）和归一化，最后映射到颜色条上，覆盖在原始的CTG信号曲线上。

红色越深，代表模型在该时间段“看”得越重，认为该处的信号特征对判断胎儿“生物年龄”越关键。

5.1 可视化案例解读

我们通过几个具体病例的可视化图，来展示其临床洞察力：

1. 新生儿窒息病例 ：如图5所示（在原文中），两名最终发生新生儿窒息的孕妇，其CTGage-gap分别为-34.30和-44.75天，均属于严重低估组。在它们的CTG信号可视化中，可以观察到模型将高注意力（红色区域）集中在几次明显的胎心率减速（Deceleration）事件上。这表明，模型可能将反复出现的、不典型的减速模式，解读为胎儿储备功能下降、应激能力不足的迹象，从而给出了偏低的生物年龄预测。

2. 早产儿病例 ：如图6所示，两名早产孕妇的CTGage-gap为+31.58和+38.27天，属于严重高估组。其信号可视化显示，模型的注意力广泛分布在胎心率基线变异增高和频繁加速的区域。这可能对应着一种“高代谢”或“不稳定”的胎儿状态，模型将其解读为一种“过熟”或“耗竭”趋势，从而预测了更高的生物年龄。

3. 动态追踪病例 ：最具说服力的是图8展示的一名孕妇的连续四次CTG监测。该孕妇患有甲状腺功能减退。

   • 第一次检查（实际孕周251天）：CTGage-gap为-2.22天，属正常范围。信号平稳，注意力权重均匀。
   • 后续三次检查（实际孕周268、278、282天）：CTGage-gap持续恶化（-25.69， -29.19， -31.98天）。可视化清晰显示，随着孕周增加，信号中出现越来越多的减速事件和基线波动加剧的区域，模型的注意力（红色）也愈发集中和突出在这些异常片段上。
   • 最终，该孕妇因胎儿畸形选择了终止妊娠。

这个案例生动展示了CTGage-gap如何作为一个 动态风险指标 ，随着胎儿状况的恶化而同步变化。可视化则提供了“为什么”的线索，指向了具体的异常信号模式，辅助临床医生进行判读。

实操心得 ：可解释性不是“锦上添花”，而是医疗AI产品能否被临床接受的“生死线”。我们的梯度可视化方法，成功地将模型的“黑箱决策”部分“白盒化”，让医生能看到AI关注的信号特征，这与他们基于经验的判读逻辑（如关注减速、变异）是吻合的，极大地增强了结果的可信度和临床可用性。

6. 项目复现与部署的考量

6.1 代码与数据获取

本研究的所有模型代码已在GitHub开源（仓库地址： PKUDigitalHealth/CTGage 或 Gss0217/CTGage ）。数据因涉及患者隐私，需向作者提出合理申请并经伦理审查后方可获得。

复现环境搭建建议：

• 基础环境 ：Python 3.8+, PyTorch 2.0+。
• 硬件 ：训练需要较强的GPU支持（如RTX 3090或A100），因为涉及大量时间序列数据和深度网络。推理阶段对算力要求较低，普通GPU甚至CPU均可。
• 依赖库 ：除PyTorch外，主要需要 numpy , pandas , scikit-learn , matplotlib 等用于数据处理和可视化的标准库。

6.2 常见问题与排查思路

1. 问题：训练时损失不下降或波动巨大。
   • 排查 ：首先检查数据标准化是否正确。确保是用训练集的均值和标准差去标准化验证集和测试集，而不是各自独立标准化。其次，检查学习率是否过高，可尝试降低学习率或使用学习率预热（Warm-up）。最后，检查数据中是否存在大量无效或异常值（如信号断点、极端值）。
2. 问题：模型在验证集上表现良好，但在自己的新数据上预测误差很大。
   • 排查 ：这是典型的 域偏移 问题。最大的可能是新数据的采集设备、参数设置（如滤波方式）、甚至孕妇人群特征（如地域、种族）与训练数据存在差异。解决方案包括：a) 收集少量新数据对模型进行微调；b) 在输入模型前，对新数据施加与训练数据完全一致的预处理流程（特别是滤波和标准化）；c) 考虑使用领域自适应技术。
3. 问题：CTGage-gap的计算结果与临床印象不符。
   • 排查 ：首先确认输入的“实际孕周”是否准确可靠（最好是早期超声校正的孕周）。其次，检查CTG信号质量：是否包含足够时长（建议≥30分钟）、信号脱落是否严重、母体活动伪迹是否过多。低质量的信号会导致预测不可靠。最后，理解CTGage-gap是一个 风险提示指标 ，而非诊断金标准。应结合超声、母体情况等多方面信息综合判断。
4. 问题：可视化注意力图一片模糊或没有重点。
   • 排查 ：梯度可视化方法对输入数据的微小变化很敏感。确保在计算梯度时，模型处于 eval() 模式，并且输入数据的 requires_grad 属性已打开。另外，尝试调整高斯平滑的核大小和归一化的范围，以获得更清晰的对比度。

6.3 未来方向与局限性思考

局限性：

1. 数据单一中心 ：所有数据均来自一家顶级医院，可能存在选择偏倚。模型在不同地区、不同级别医院、不同人种中的泛化能力有待验证。
2. 结局定义有限 ：本研究涵盖的不良结局类型虽常见，但未包含更严重的围产期结局（如死胎）。CTGage-gap与这些极端结局的关联需要进一步研究。
3. 阈值有待优化 ：±21天的阈值是基于临床经验的划分，最优的截断值（cut-off point）需要通过更大规模的前瞻性队列研究来确定，以平衡敏感性和特异性。
4. 解释性仍需深化 ：当前的梯度可视化指出了“哪里重要”，但还未完全解释“为什么这个模式对应年龄偏大/偏小”。未来需要结合更多生理学知识，进行特征归因分析。

未来工作方向：

1. 多中心验证 ：与国内外多家医院合作，收集多源异构数据，验证模型的普适性，并可能开发针对不同人群的校准版本。
2. 动态风险预测 ：不仅做单次评估，而是将孕妇多次的CTG检查序列化输入，预测CTGage-gap的动态变化轨迹，实现真正的“风险趋势预警”。
3. 轻量化与嵌入式部署 ：开发精简版的模型，尝试集成到便携式或家用CTG设备中，实现实时计算和风险提示，推动居家监护。
4. 多模态融合 ：将CTG信号与超声生物测量参数、母体血清学标志物等多模态数据融合，构建更全面、更精准的胎儿健康评估模型，并深入探究CTGage-gap异常的生物学基础。

这项工作迈出了将常规CTG监测从“状态描述”推向“风险预测”的关键一步。它展示了一个清晰的路径：利用广泛存在的、低成本的临床数据，通过前沿的AI算法，挖掘出前所未有的高价值信息。CTGage-gap作为一个新型数字生物标志物，其价值在于提供了一个量化、客观且易于获取的“发育偏离度”指标，有望成为现有产前检查体系的有力补充，特别是在资源有限的场景下，为更早识别高危妊娠开辟了一条新路。