Nature Biotechnology：Visionary AI用眼底图像预测子痫前期，开发队列AUC 0.91，外部验证降至0.81

眼底影像进模型：开发队列0.91，外部队列0.81

趋势前瞻 × 医疗数据从业者 ｜ 数据视角 × 药企研发负责人 ｜ 深度研报

2026年10月6日，Nature Biotechnology在线刊出一篇方法学论文，提出名为Visionary AI的可解释平台。该平台把视网膜成像与基于图的血管建模结合在一起，目标是在临床发病之前预测妊娠期高血压疾病。论文的投稿日期为2025年12月8日，接收日期为2026年8月11日。

这轮发布里最该被记住的，是两个相差0.10的AUC：开发队列内的0.91，与外部独立验证队列上的0.81。方法学论文通常先讲机制，但从数据口径看，先看这两个数的落差，更能判断它现在所处的位置。

开场：怀孕六周拍一张眼底照，能算出二十周之后的风险吗

时间线是这项研究最先要讲清楚的事。外部验证限定在早孕期影像，即孕6至13周采集的超广角眼底图片；而结局判定发生在孕20周之后，按临床标准确定是否发生子痫前期。也就是说，一张影像与一个结局之间隔着至少七周，模型要预测的不是当下已存在的病变，而是尚未出现的临床事件。

对医疗数据从业者而言，这条时间线决定了数据集的搭建方式。影像采集窗口被压在早孕期的七周之内，入组节奏必须与产前检查流程对齐；结局字段要在二十周之后回填，随访完整性直接决定标签质量。中途的转院、失访与分娩结局变更，每一环都会打到这条链的可靠性上。

还有一层口径问题在公开材料里没有交待：外部队列的影像由什么设备采集，采用哪种成像协议，是否跨机构多点采集。这些字段如果不固定，模型学到的可能既有血管特征，也有设备与站点的痕迹。要做可复用的数据资产，先把这些元数据字段钉下来，比再多跑一遍模型更优先。

0.91是怎么来的：1267例、留一交叉验证

0.91来自前瞻性开发队列的1267例妊娠。在全人群对照的设定下，同一数据集内预测子痫前期得到AUC 0.91，平均精度AP为0.81。开发阶段采用留一交叉验证，作者给出的理由是最大化稀有结局的训练数据利用。

站在药物与器械研发的视角，AP比AUC更值得盯。子痫前期在开发队列中属于占比较低的结局，阳性样本稀少时AUC容易被大量阴性样本撑高，AP更贴近筛查场景里真实要承担的假阳性负担。0.91与0.81这两个数字并排放出来，本身已经说明阳性样本的识别并不轻松。

口径问题同样要指出：留一交叉验证估计的是同一队列内部的泛化能力，不构成对外部人群的证据。开发队列虽为前瞻性收集，但样本来源单一，研究过程中没有留出独立的外部测试集。1267例放在妊娠结局预测里不算小样本，可一旦按结局阳性切一刀，真正参与学习的阳性例数就相当有限，这正是作者选择留一法的原因，也是这个数字不能被直接当作部署性能的理由。

0.81：换个队列，掉了0.10

迁移是一次没有重训练的硬迁徙。经稳定性优化后的模型未经任何重训练，直接迁移至独立的外部验证队列，也就是NYU队列，得到AUC 0.81、AP 0.68。AUC下降0.10，AP下降0.13。

不重训练是这项研究里少见的严格设定。多数迁移工作会在目标队列上微调或重新标定，一旦允许这一步，性能提升中属于目标域数据贡献的部分就难以拆分。Visionary AI选择直接迁移，等于把模型的跨域适应性单独拎出来受检验，代价是数字不好看。

作者声称该方法在临床基准与深度学习基准之上，但这句定位建立在自己的实验之上，属作者自评。更要紧的是分母的缺失：外部验证队列的精确样本量在摘要中没有给出，第三方流传的数字未在原文页核实，不能引用。没有分母就没有置信区间，0.81这个点的可信范围无从判断。NYU队列限定早孕期超广角眼底影像这一条已经写明，除此之外的人口构成、种族分布与基线风险，公开信息中未见。

三模块流程：可解释性做在哪一层

流程由三段串起来：先由影像生成血管分割图，再从中提取图论特征、几何特征与拓扑特征，最后送入一个堆叠集成元学习器。可解释性落在中间那一层——模型给出的不是黑箱向量，而是可以被度量、被画出来的人类可读血管结构指标。

这个设计对数据链路的要求随之改变。分割是整条链的第一步，分割质量直接决定下游所有图谱特征的含义，而分割结果对设备、光照与图像质量敏感。上下游是强耦合关系：一旦换设备或换采集协议，需要重验的不只是最后的元学习器，还有分割这一层。

对研发负责人来说，中间层的存在给了另一种可能：这批血管图谱特征本身可以作为独立的数据资产，与结局标签解耦，用于其他妊娠并发症或血管相关结局的建模。能不能复用，取决于特征定义与提取代码是否随论文一并公开，这一点公开信息中未见。

冷静观察：外部队列多大没说，这一步离筛查还远

先把不能确定的事列清楚。外部验证队列的精确样本量未给出；卷期页码未获取；敏感度与特异度的切点值未获取。作者关于超越临床基准与深度学习基准的表述是自评，不是独立复核的结论。论文此前还存在一个medRxiv预印本版本，日期为2025年11月27日，与本版并非同一版本，两组数字不可混用。这项工作是可解释AI的方法学研究，不是获批产品，也不应被写成能够用于临床筛查的工具。

接下来要追问的是三类证据。第一类是分母与区间：只要外部队列样本量不披露，0.81就只是一个点估计，无法做稳定性判断。第二类是标定：AUC不反映预测概率的准确性，筛查要看的是不同阈值下的净获益，而什么阈值对应可接受的漏诊水平，论文没有给出。第三类是分层：按孕周、按基线风险、按不同采集设备分层的结果目前缺位，无法确定模型在哪个亚群里真正可用。对准备做前瞻性数据建设的一方来说，下一步要做的不是再复现一遍0.91，而是把外部队列的入组标准、设备清单与随访口径先写成可执行的数据字典。

原文链接：Nature Biotechnology（DOI 10.41587-026-03303-0）

千方医数集编辑部 出品