近日，上海交通大学李金金教授团队发表了一项备受瞩目的研究成果——他们成功开发了一种可解释的人工智能算法，并搭建了一套流产风险预警系统。通过对血清代谢物进行分析，该系统首次实现了在孕前阶段精准预测流产风险，而无需等到怀孕后再进行事后追踪。

项目团队简介

该项目由上海交通大学李金金教授主导，联合上海市红房子妇产科医院副院长金莉萍、同济大学附属第一妇婴医院以及上海交通大学医学院附属瑞金医院共同推进。多中心合作模式确保了数据来源的多样性和临床验证的严谨性。

相关研究论文《Interpretable learning predicts miscarriage using pre‑pregnancy serum metabolites》已于今年10月在《The Innovation Medicine》期刊上正式发表。

项目背景

流产，尤其是反复自然流产（Recurrent Spontaneous Miscarriage，RSM），是指女性在怀孕初期连续两次或以上发生自然妊娠终止。世界卫生组织统计显示，全球每年约有2300万例流产事件，其中RSM占据相当比例。目前临床虽已采用超声波检查、人绒毛膜促性腺激素（hCG）检测等多种手段，但这些方法大多属于事后诊断——即只能在流产风险已经显露或流产发生之后发现问题，难以起到早期预警的作用。

项目介绍

研究团队分析了481位女性的血清样本，并结合其他临床指标，成功构建了高精度的流产风险预测模型——AI‑MP（Artificial Intelligence Miscarriage Prediction）。值得关注的是，这项研究首次揭示了组氨酸（Histidine）作为流产风险预测的关键生物标志物。组氨酸水平异常升高被认为与流产风险密切相关，尤其在反复自然流产患者中表现显著。高水平的组氨酸可能导致孕期子宫螺旋动脉重塑不足以及滋养层细胞侵袭受阻，从而显著增加流产概率。

附上参考地址

• Interpretable learning predicts miscarriage using pre‑pregnancy serum metabolites

• 上海交大等机构开发可解释AI算法精准预测流产风险，为早期预防带来希望