超声自己给骨头着色：RIVANNA获批首个机器学习模块，233个容积测试集准确率95.1%起

事实报道 × 监管与合规专家 ｜ 影响分析 × 药企研发负责人 ｜ 产品发布

2026 年 10 月 22 日，美国弗吉尼亚州夏洛茨维尔的医疗科技公司 RIVANNA 宣布，FDA 已向 BoneEnhance 授予 510(k) 许可。这是其 Accuro XV 超声系统上第一个获准上市的机器学习软件模块。这份许可最值得拆开看的不是「首个」标签，而是它背后那条证据链：全国八站点临床研究，三个站点出训练数据，另外五个站点出 233 个容积数据集、69900 张图像的独立测试集，测试数据全程不参与训练与调优。本篇以监管与合规视角拆解这份 510(k) 的证据是怎么搭的，以及边界画在哪里。

开场：这台超声先自己扫完，再自己把骨头标出来

Accuro XV 是一台便携式、小体积的床旁容积超声成像系统，面向肌肉骨骼成像，于 2026 年 4 月获批用于肌肉骨骼常规与浅表应用的 B 模式成像，公司于 5 月 7 日对外宣布。它最显眼的特点是贴合式三维探头：操作者完成初次摆位后，探头自动完成大视野图像采集，每次采集生成一个容积数据集供审阅。

此前的 Accuro XV 解决的是「采」的问题——把扫查自动化、标准化。这次 BoneEnhance 获批，意味着平台从「采集」向「解读」迈出第一步：采完之后，机器学习模块在图像审阅环节介入，把容积里的骨与周围组织识别并标注出来。用公司自己的话讲，顺序是刻意设计的——决策支持从采集开始，设备采图，软件认解剖结构。

BoneEnhance做了什么：容积数据里识别骨与周围组织，彩色叠加加三维指示

BoneEnhance 的工作发生在图像审阅阶段，具体可以拆成三件事：

• 在自动采集生成的容积数据集中识别骨骼与周围组织；
• 在二维 B 模式图像上用彩色编码叠加高亮，原始解剖数据保持原样、在叠加层下方依然可见；
• 图像旁的三维指示器显示扫描方向与当前切片在容积中的位置，支持骨骼解剖三维可视化。

这里有个合规上值得注意的细节：彩色叠加是「标注层」而非「改写层」，原始解剖数据不被修改，医生随时可以看到原始图像。这种「可还原」设计是影像 AI 在 510(k) 路径下常见的风险控制——软件输出被定位为参照信息，判读权留在医生手里。

支撑这套工作流的，是 RIVANNA 超过 100 项已授权及在审专利、覆盖 20 多个专利族的组合。联合创始人兼 CEO Will Mauldin 博士表示，这次许可是地基，锚定了正在开发中的决策支持能力。

八站点研究的证据链：3站训练、5站独立测试，233个容积数据集69900张图

这份 510(k) 最硬的信息量在验证方法上。BoneEnhance 的训练与验证嵌在 RIVANNA 一项全国八站点临床研究里，站点名单包括丹佛健康、德州理工健康埃尔帕索、加州大学旧金山分校、犹他大学、UVA Health、UT 西南医学中心、弗吉尼亚联邦大学与耶鲁大学。它的分工方式值得逐层看清：

• 八个站点中的三个提供训练数据；
• 另外五个站点提供独立测试集，共 233 个容积数据集、69900 张图像，来自 173 名受试者；
• 测试数据没有任何一部分被用于训练或调优；
• 参考标签由三位认证放射科医生建立。

「训练站」和「测试站」在站点层面就物理分开，而不是在同一批数据里按比例切分——这是这条证据链最有分量的地方。同一中心内部切分的测试集往往与训练集共享设备、操作习惯与人群构成等隐性特征，模型容易「记住中心」而非「学会解剖」。把测试放到五个从未贡献训练数据的站点，相当于在入组层面做了一次外部验证。当然，测试与训练数据毕竟来自同一研究框架、同一套设备与流程，距离真正「跨设备、跨体系」的外部验证还有距离，但在 510(k) 语境下已是相当规整的做法。

准入与战略合作高级总监 Delphine Le Roux 博士特别提到，这一切离不开 BARDA 的持续支持，让团队得以用「严谨、多站点、独立」的方式做证据生成。该项目部分由美国卫生与公众服务部下属 ASPR/BARDA 联邦资金支持。

95.1%到100.0%的准确率说的是解剖标注，不是骨折诊断

公司披露的核心数字是：每容积标签预测准确率 95.1%–100.0%。这个数字容易被读成「诊断准确率」，需要立刻校准——它衡量的是解剖标注，即模型标出的骨与组织和三位认证放射科医生建立的参考标签之间的吻合度。官方问答同时披露的 DICE 分数（0.64–0.85）与 HD95 距离（2.26–7.48 毫米）也都是分割与定位指标，公司明确写道：这些指标评估的是分割与定位，不是诊断准确性。

换句话说，这张成绩单回答的是「机器找骨头找得准不准」，而不是「机器看病看得准不准」。

这一区分直接对应模块的获批范围：BoneEnhance 不做损伤检出，只做解剖分割与三维可视化，定位于审阅辅助。把它读成「超声 AI 能筛骨折了」，就跨过了 FDA 实际批准的边界。

另外有一条独立于本次验证之外的同行评议证据：发表于 Journal of Emergency Medicine 的一项 205 例患者研究（DOI 10.1016/j.jemermed.2025.11.011）显示，仅经 1 小时实操培训的操作者采集的腕部与踝部图像，90% 以上被判定足以用于诊断判读，图像质量与医生采集相当。它支撑的是「自动化采集」这一环，与 BoneEnhance 的标注能力是两件事，但共同构成「采集自动化＋标注自动化」的完整叙事。

冷静观察：在研的损伤检出模块才是真正的难点

从药企研发负责人视角看，这是一次教科书式的平台化推进：先把风险最低、最易论证的解剖标注模块送过 510(k)，同时把站点、数据管线和监管打法一次建好、反复复用。路线图上，下一层是在研的肌肉骨骼损伤检出模块——协助临床医生评估容积超声图像中潜在的四肢骨折，支撑它的正是那项已从八站扩到十站的全国临床研究。

但必须把边界写清楚：

• 95.1%–100.0% 是解剖标注准确率，不是诊断效能，不能外推为骨折检出的灵敏度或特异度；
• 测试样本 173 名受试者，八个站点全部集中在美国，对不同人群与设备生态的外推性有限；
• BoneEnhance 明确不做损伤与骨折检出，获批范围内它只是审阅辅助工具；
• 在研的骨折检出模块尚属研究阶段，未获 FDA 批准，也未上市销售。

解剖分割是相对规则、边界清晰的任务，骨折检出则要在正常变异中捕捉微小异常，假阴性的临床代价完全不同，监管要求的证据强度也不可同日而语。RIVANNA 把「易的先过、难的跟上」拆成两步走，是聪明的监管策略，但真正的临床价值考验还在后面那份尚未递交的答卷里。这条由 BARDA 资金铺出来的多站点基础设施能否把骨折检出模块同样送过终点线，才是平台故事真正的看点。

原文链接：https://rivannamedical.com/fda-grants-510k-clearance-for-boneenhance-the-first-machine-learning-layer-on-rivannas-accuro-xv-platform
千方医数集编辑部 出品