Artificial Intelligence for Ultrasound Estimation of Fetal Weight: Opportunities, Evaluation Metrics, and Comparison With the Hadlock Formula
Year: 2026
Type: article
Abstract: Background: Knowing the estimated fetal weight before delivery is important for assessing fetal growth and planning obstetric care. The Hadlock formula has remained the principal method for ultrasound-based fetal weight estimation for decades; however, its individual prediction errors remain real and measurable. Machine-learning methods, in turn, offer the possibility of identifying nonlinear relationships between fetal biometric measurements and clinical context that fixed equations cannot capture. Main body: This narrative review examines established ultrasound-based formulas, analyses the findings of recent machine-learning studies, and discusses how estimated fetal weight should be compared with actual birth weight. The most informative evaluation metrics include absolute error, mean absolute percentage error (MAPE), the proportion of predictions within ±10% of actual birth weight, systematic bias and Bland–Altman limits of agreement, as well as predictive accuracy across clinically relevant weight categories. Particular attention should be paid to the interval between ultrasound examination and delivery, as the fetus continues to grow after the measurements have been taken. Conclusion: Artificial intelligence represents a genuinely promising approach to improving the accuracy of fetal weight estimation. However, better statistical performance does not necessarily translate into better medical care. Before any model is introduced into clinical practice, it must undergo external validation, calibration assessment, and evaluation of its effectiveness across clinically relevant subgroups. RU Актуальность: Знание предполагаемой массы плода до родов важно для оценки его роста и планирования акушерской помощи. Формула Хадлока на протяжении десятилетий оставалась основным методом ультразвукового определения массы плода, однако индивидуальные погрешности этого метода остаются реальными и измеримыми. Методы машинного обучения, в свою очередь, позволяют выявлять нелинейные связи между фетометрическими показателями и клиническим контекстом, которые не могут быть отражены фиксированными уравнениями. Основная часть: В данном нарративном обзоре рассматриваются общепринятые ультразвуковые формулы, анализируются результаты недавних исследований в области машинного обучения и обсуждается, каким образом следует сопоставлять расчётную массу плода с массой тела при рождении. Наиболее информативными показателями являются абсолютная погрешность, средняя абсолютная процентная ошибка (MAPE), доля прогнозов, находящихся в пределах ±10% от фактической массы тела при рождении, систематическое смещение и границы согласия по Блэнду–Альтману, а также точность прогнозирования в клинически значимых категориях массы. Особого внимания заслуживает интервал между ультразвуковым исследованием и родами, поскольку плод продолжает расти и после проведения измерения. Заключение: Искусственный интеллект представляет собой действительно перспективное направление для повышения точности оценки массы плода. Однако более высокие статистические показатели не обязательно означают улучшение качества медицинской помощи. Прежде чем какая-либо модель будет внедрена в клиническую практику, необходимы внешняя валидация, проверка калибровки и подтверждение её эффективности в клинически значимых подгруппах. UZ Dolzarblik: Tug'ruqdan oldin homilaning taxminiy vaznini bilish uning o'sishini baholash va akusherlik yordamini rejalashtirish uchun muhim ahamiyatga ega. Hadlock formulasi o'nlab yillar davomida homila vaznini ultratovush tekshiruvi yordamida aniqlashning asosiy usuli bo'lib kelgan, biroq ushbu usulning individual xatoliklari hanuzgacha mavjud va ularni o'lchash mumkin. Mashinaviy o'rganish usullari esa, o'z navbatida, qat'iy tenglamalar orqali ifodalab bo'lmaydigan homila biometrik ko'rsatkichlari va klinik kontekst o'rtasidagi chiziqli bo'lmagan bog'liqliklarni aniqlash imkonini beradi. Asosiy qism: Ushbu tavsifiy sharhda umumqabul qilingan ultratovush formulalari ko'rib chiqiladi, mashinaviy o'rganish sohasidagi so'nggi tadqiqotlar natijalari tahlil qilinadi hamda homilaning hisoblangan vaznini tug'ilishdagi haqiqiy vazni bilan qanday taqqoslash kerakligi muhokama qilinadi. Eng muhim baholash mezonlari — absolyut xato, o'rtacha absolyut foizli xato (MAPE), bashoratlarning tug'ilishdagi haqiqiy vazndan ±10% chegarada joylashgan ulushi, Bland–Altman usuli bo'yicha tizimli siljish va kelishuv chegaralari, shuningdek, klinik jihatdan muhim vazn toifalari bo'yicha bashorat aniqligidir. Ultratovush tekshiruvi o'tkazilgan vaqt bilan tug'ruq orasidagi interval alohida e'tiborga loyiq, chunki homila o'lchov o'tkazilgandan keyin ham o'sishda davom etadi. Xulosa: Sun'iy intellekt homila vaznini baholash aniqligini oshirish uchun haqiqatan ham istiqbolli yo'nalish hisoblanadi. Biroq statistik ko'rsatkichlarning yaxshilanishi tibbiy yordam sifatining yaxshilanishini har doim ham anglatmaydi. Har qanday model klinik amaliyotga joriy etilishidan oldin tashqi validatsiyadan o'tkazilishi, kalibrlash sifati tekshirilishi va klinik jihatdan muhim kichik guruhlarda samaradorligi ilmiy dalillar bilan tasdiqlanishi zarur.
Author: Ibrohimova, Dilnoz Botirovna
Language: English
Subfield: Health Informatics
Field: Medicine
Domain: Health Sciences
Open Access status: diamond
OpenAlex ID: W7225596032