Real‐time gestational‐age estimation at 11–13 weeks using artificial intelligence on non‐targeted ultrasound sweeps
Echtzeit-Schätzung des Gestationsalters bei 11–13 Wochen mit künstlicher Intelligenz auf nicht zielgerichteten Ultraschall-Sweeps
Ultrasound in Obstetrics & Gynecology · 2026-10 · 68 (4) · 510-517
DOI: 10.1002/uog.70335 ↗Auf einen Blick
Bei Einlingsschwangerschaften in der 11.+0 bis 13.+6 Schwangerschaftswoche schätzte ein KI-System das Gestationsalter in allen Fällen. Die Genauigkeit war gut, aber geringer als bei der CRL-Messung durch erfahrene Sonograf:innen.
Fragestellung
Wie genau ist die Gestationsalterschätzung durch ein KI-System auf nicht zielgerichteten Ultraschall-Sweeps in der 11.+0 bis 13.+6 Schwangerschaftswoche?
Methode
Beobachtungsstudie bei Einlingsschwangerschaften mit Routine-Ersttrimestersonografie im Juli 2025 bis August 2025; Vergleich von CRL und KI; MAE und Bland-Altman-Analyse; hierarchisches Messfehlermodell mit Bayesian inference.
Ergebnisse
285 Frauen eingeschlossen. KI schätzte das Gestationsalter in allen Fällen; mediane Akquisitionszeit 23 s. MAE KI vs. CRL: 2,1 (95 %-KI 1,9–2,3) Tage für Einzelmessungen, 2,0 Tage bei Mittelung beider KI-Schätzungen. Mit Messfehleranpassung: 1,8 bzw. 1,6 Tage.
Einschränkungen
Die Übereinstimmungsgrenzen waren für KI weiter als für CRL; CRL-basierte Schätzungen waren weniger variabel.
Schlussfolgerung der Autor:innen
Die KI-basierte Gestationsalterschätzung ist im ersten Trimenon gut, aber weniger präzise als die CRL-Messung durch erfahrene Sonograf:innen. Messfehlermodelle zeigen eine bessere Genauigkeit als einfache Vergleiche.
Kernaussagen
- KI-Schätzung gelang in allen Fällen
- MAE 2,1 Tage gegenüber CRL, mit 95 %-KI 1,9–2,3
- CRL war präziser; Hauptfehlerquelle der KI war within-operator variation
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Beobachtungsstudie in der Zeitschrift Ultrasound in Obstetrics & Gynecology, online erschienen am 14.09.2026. Verfasst von G Eisenkolb und 5 weiteren Autor:innen. Beteiligte Einrichtung: Fetal Medicine Research Institute, King's College Hospital, London, UK. Hauptthemen laut MEDLINE: Gestational Age, Ultrasonography, Prenatal, Artificial Intelligence. Die Arbeit nennt 23 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Fetal Medicine Foundation.
Abstract (Originalsprache)
Objective
To assess the accuracy of gestational‐age estimation using an artificial intelligence (AI) system applied to non‐targeted ultrasound sweeps at 11 + 0 to 13 + 6 weeks' gestation.
Methods
This was an observational study of singleton pregnancies undergoing routine first‐trimester ultrasound in July 2025 to August 2025. Gestational age was estimated using crown–rump length (CRL), measured independently by two experienced sonographers blinded to the other's results, and by an AI system applied twice per examination. Comparisons were made using mean absolute error (MAE) and Bland–Altman analysis. A hierarchical measurement error model was used to account for uncertainty in CRL‐based estimates and to estimate accuracy relative to a latent true gestational age, with Bayesian inference.
Results
Overall, 285 women with a singleton pregnancy were included. The AI model estimated gestational age in all cases, with a median acquisition time of 23 s for the first AI measurement. The MAE between AI‐ and CRL‐based gestational age was 2.1 (95% CI, 1.9–2.3) days for single measurements and 2.0 days when averaging both AI estimates. Limits of agreement were wider for AI‐based estimates than for CRL‐based estimates, indicating lower precision. When accounting for measurement error in CRL, the estimated MAE for AI was lower (1.8 days for single and 1.6 days for duplicate measurements). CRL‐based estimates showed lower variability than AI‐based estimates. Within‐operator variation was the main source of error in AI measurements.
Conclusions
AI‐based gestational‐age estimation performs well in the first trimester but is less precise than gestational‐age estimation using CRL measured by experienced sonographers. Measurement error models give a clearer picture of performance by accounting for variability in CRL and show that the accuracy of AI‐based estimates is better than suggested by simple comparisons. © 2026 The Author(s). Ultrasound in Obstetrics & Gynecology published by John Wiley & Sons Ltd on behalf of International Society of Ultrasound in Obstetrics and Gynecology.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Fetal Medicine Research Institute, King's College Hospital, London, UK.
- Institute of Health Research, University of Exeter, Exeter, UK.
- Department of Women & Children's Health, School of Life Course & Population Sciences, Faculty of Life Sciences & Medicine, King's College London, London, UK.
ORCID-Profile: G Eisenkolb, A Syngelaki, G Soraci, S Medrano Záciga, K H Nicolaides
Förderung
- Fetal Medicine Foundation
Zitieren
APA
Eisenkolb, G., Wright, D., Syngelaki, A., Soraci, G., Medrano Záciga, S., & Nicolaides, K. H. (2026). Real‐time gestational‐age estimation at 11–13 weeks using artificial intelligence on non‐targeted ultrasound sweeps. Ultrasound in Obstetrics & Gynecology, 68(4), 510-517. https://doi.org/10.1002/uog.70335
Vancouver
Eisenkolb G, Wright D, Syngelaki A, Soraci G, Medrano Záciga S, Nicolaides KH. Real‐time gestational‐age estimation at 11–13 weeks using artificial intelligence on non‐targeted ultrasound sweeps. Ultrasound in Obstetrics & Gynecology. 2026;68(4):510-517. doi:10.1002/uog.70335
BibTeX
@article{Eisenkolb2026,
author = {Eisenkolb, G and Wright, D and Syngelaki, A and Soraci, G and Medrano Záciga, S and Nicolaides, K H},
title = {Real‐time gestational‐age estimation at 11–13 weeks using artificial intelligence on non‐targeted ultrasound sweeps},
journal = {Ultrasound in Obstetrics & Gynecology},
year = {2026},
volume = {68},
number = {4},
pages = {510--517},
doi = {10.1002/uog.70335}
}
EUVIMED