Hintergrund Die Interpretation pränataler Ultraschallbilder erfordert spezialisierte Fachkenntnisse,
die in ressourcenarmen Regionen oft nicht verfügbar sind. Vordefinierte "blind
sweeps", also standardisierte Ultraschalldurchläufe durch Laien, könnten mittels
künstlicher Intelligenz (KI) automatisch ausgewertet werden und so den Zugang zur
pränatalen Versorgung verbessern.
Methoden Gemäß PRISMA-Guidelines wurde eine strukturierte Literaturrecherche in PubMed für
den Zeitraum 2009 bis April 2025 durchgeführt. Eingeschlossen wurden Originalarbeiten,
in denen KI-Modelle zur Interpretation standardisierter, durch Laien durchgeführter
Ultraschallsweeps (sog. „blind sweeps“) angewendet wurden. Die Studien wurden hinsichtlich
Datengrundlage, Sweep-Protokoll, Modellarchitektur und diagnostischer Zielgrößen systematisch
ausgewertet.
Ergebnisse Von 214 identifizierten Publikationen erfüllten 12 Studien die Einschlusskriterien.
Die häufigsten Anwendungen der KI-Modelle waren die Schätzung des Gestationsalters
(41%), fetale Pathologien, wie Herzfehler und Hüftdysplasien (25%) sowie die Einschätzung
der Plazentalokalisation (17%). Mehrere Modelle zeigten dabei eine vergleichbare Genauigkeit
zur Experten-Sonographie, teils auch bei Verwendung mobiler Endgeräte und Laienbedienung.
Schlussfolgerung KI-Modelle zeigen großes Potenzial zur Erweiterung der pränatalen Versorgung, insbesondere
in unterversorgten Regionen. Die Genauigkeit ist in bestimmten Anwendungen hoch, doch
die geringe Erklärbarkeit ("Black Box") und die begrenzte Datengrundlage
stellen Herausforderungen dar. Künftige Forschung sollte sich auf erklärbare KI und
klinisch relevante Zielgrößen konzentrieren.
