JACC心血管影像：EchoNet-AS用21万个超声视频评估主动脉瓣狭窄，外部验证AUROC 0.978至0.989

21万个视频训练出来的模型，到另外两家医院还剩多少

数据视角 × 医院信息化/临床医生 ｜ 事实报道 × 医疗数据从业者 ｜ 深度研报

2026年10月5日在线发表于JACC: Cardiovascular Imaging的研究提出开源深度学习模型EchoNet-AS，融合B型超声视频、多普勒图像与峰值主动脉流速评估主动脉瓣狭窄。以下数据以ACC摘要页为准，jacc.org与doi.org原文页不可达，这一点须予说明。

训练数据来自Kaiser Permanente北加州：210193个经胸超声视频，覆盖16076项检查、15213名患者，平均年龄73岁，48%为女性。模型为开源研究工具，未见FDA许可。

开场：21万个视频，从一家医疗系统训练出来

数据的规模与来源同样重要。210193个视频、16076项检查、15213名患者，平均年龄73岁、48%为女性，全部来自Kaiser Permanente北加州这一家医疗系统。视频数远多于检查数，说明每项检查包含多个视图、多个心动周期的片段，这是超声数据的固有形态。

从数据视角看，单一来源是这份数据集最重要的特征。它带来两个后果：一是标注与影像协议在系统内部高度一致，训练信号干净；二是人群构成、设备型号与采集习惯都带有该系统的印记，模型学到的东西有多少可迁移，必须靠外部数据来回答。

多模态融合是方法上的选择。B型超声视频提供解剖结构，多普勒图像提供血流信息，峰值主动脉流速是量化狭窄程度的关键参数。页面指出，峰值主动脉流速是模型最具影响力的特征，胸骨旁长轴切面贡献最强。这说明模型的行为与临床判断路径接近。

0.989与0.978：换两家医院之后

内部验证分两组。1588项留出测试集上，≥中度狭窄AUROC为0.955、重度狭窄为0.964；19202项时间独立队列上分别为0.983与0.986。时间独立队列的做法是用后续时段的数据测试，比随机留出更接近真实使用场景，得分也更高。

外部验证在两家机构完成。Stanford Health Care样本n=2415，≥中度狭窄AUROC为0.989；Cedars-Sinai Medical Center样本n=9038，同一任务AUROC为0.978。重度狭窄一项，Stanford为0.985、Cedars-Sinai为0.989。

两组外部数据合起来，支持的是一个有限结论：换到另外两家机构，判别能力没有明显下降。但两家都是学术型医疗中心，设备与影像质量处于较高水平。AUROC衡量的是排序能力，不是某个阈值下的准确率，无法直接换算成临床可用的判读规则。

95%只差一级：误差落在哪里

95%的误分类仅相差一个等级。这条信息比AUROC更能说明模型错在哪里：绝大多数错误发生在相邻等级之间，比如把中度判成轻中度，而不是把重度判成正常。对临床工作的意义在于，相邻等级的差异可通过人工复核修正，跨等级的漏判才是真正危险的一类。

误分类患者年龄更大，79岁对73岁，p<0.001。老年患者的瓣膜钙化更重、多普勒信号更难获取，图像质量本身可能较差，模型与判读都可能受影响。这个差异提示老年人群是模型的相对薄弱环节。

需要注意样本构成。训练集平均年龄73岁、48%为女性，误分类组平均79岁，说明高年龄段在训练数据中的占比可能不足。是否如此，页面的摘要没有给出年龄段分布，无法确认。

1.33对1.29：AI分出来的狭窄，风险更高

AI预测的≥中度狭窄对应的死亡风险比为1.33，高于报告判读的1.29，p<0.001。两组都有统计学显著性，AI一侧数值更高。一种解读是模型识别出的病例风险略高，可能捕捉到了判读时被忽略的信息；另一种解读是模型倾向于把风险更高的病例归入阳性，使阳性组整体风险上移。

两种解读的差别不在数值，而在机制。摘要没有给出两组阳性人群的重叠比例，也没有给出不一致病例的随访结果，因此无法区分。这个数不宜作为模型优于人工的直接证据。

模型在方法上的另一项结果是：优于仅用多视图图像的模型，包括B型加彩色多普勒等组合。也就是说，加入峰值主动脉流速这一量化参数带来了增益，多模态融合是有效的。

验证集	样本	≥中度狭窄AUROC	重度狭窄AUROC
留出测试	1588项	0.955	0.964
时间独立队列	19202项	0.983	0.986
Stanford外部	n=2415	0.989	0.985
Cedars-Sinai外部	n=9038	0.978	0.989

冷静观察：开源、未获批，这一步到临床还有多远

先说边界。模型为开源研究工具，未见FDA许可，不能写成获批产品或可用于临床诊断的工具。本页未给出具体敏感度与特异度切点值，因此无法说明在某一阈值下的误诊代价。ACC页面浏览日期为10月6日，论文在线发表日为10月5日，本文取发表日。

外部验证的两组数据虽然有说服力，但都被限定在学术型医疗中心的病例中。社区医院、基层超声设备、非标准化采集流程下的表现，摘要未涉及。也没有给出跨中心迁移时是否做了任何校准。

从数据治理的角度，还有几处需要追问。训练数据是回顾性提取还是前瞻性采集、视频如何筛选、标签来自报告文本还是人工复核、超声视频是否包含可识别信息、开源发布是否附带任何数据条件，这些都属于可复现性的前提，摘要均未说明。

人群代表性是另一个缺口。15213名患者的种族、合并症分布未给出，48%为女性的性别比例还算均衡，但主动脉瓣狭窄的流行病学在不同人群中差异明显，缺少这些信息，外推时要谨慎。

最后是部署层面。论文没有给出推理所需的算力、单次检查的处理时间与集成方式，因此无法判断这套模型能否嵌入现有的超声工作流。开源降低了复现门槛，但把研究模型变成科室日常使用的工具，还需要额外的工程与验证工作，这部分不在本文范围内。

原文链接：American College of Cardiology（ACC Latest in Cardiology / JACC: Cardiovascular Imaging）

千方医数集编辑部 出品