不用标签、仅凭一份心电图预测死亡：自编码器的「重建误差」究竟在衡量什么

因斯布鲁克医科大学的一个团队用 720 万份巴西心电图训练了一个掩码自编码器，从未告诉它谁会死亡。思路是：一份心电图越偏离所学到的「正常」，其重建误差越大，死亡风险据称就越高。该评分在三大洲 160 万名患者上得到验证，能较好地预测全因死亡——但仔细审视会发现，「自监督」一词掩盖了一次由标签驱动的选择，而那个招牌数字从未真正分离出心电图在年龄之外所贡献的部分。

背景

心血管疾病仍是全球第一位死因，每年造成逾 1900 万人死亡。人们希望及早识别高危人群，但经典的临床评分依赖一些变量（血压、胆固醇、既往史），它们有时不可得、测量不准，或在个体层面区分力不足。相比之下，心电图（ECG）——通过贴在皮肤上的十二个导联记录心脏电活动——几乎人人可及、廉价且无创，是可自动化风险评分的理想载体。

近几年，人工智能模型读取心电图来预测风险。多数是有监督的：给它一个目标（比如患者年龄），风险评分就变成模型预测与真实值之间的差距——即众所周知的「心电图年龄」高于实际年龄。作者强调，问题在于这一评分取决于目标的选择：模型可能学到训练队列或目标结局特有的伪影，而非心脏信号本身。因此他们的赌注是：构建一个无标签、完全内在于心电图的评分。以下阅读需两个提示。风险比（hazard ratio，HR）是一个风险倍数：HR 为 1.40 意味着评分每上一档，死亡风险增加 40%。C 指数（C-index）衡量按生存正确排序两名患者的能力；1.0 为完美，0.5 相当于随机。

方法

工作的核心是一个掩码自编码器（masked autoencoder）。自编码器是一种先压缩输入、再试图原样重建它的网络；「掩码」指遮住信号的一部分，让模型从其余部分猜出它。这种学习称为自监督：没有人工标签，模型仅从信号的结构中学习。所选架构是 Vision Transformer（ViT），一种把输入切成小块、并通过注意力机制权衡各块相对重要性的网络——这里用的是刻意做小的「Tiny」版。

模型在 CODE 数据集的 85% 上预训练，即来自巴西米纳斯吉拉斯州一个远程医疗网络的 7 212 109 份心电图，主要于 2010 至 2016 年在基层医疗中记录。每份心电图降采样到 100 Hz，逐导联滤波并归一化，再切成 36 个小块，其中 80% 被掩盖；模型学习重建被遮住的部分。在使用时，重建误差是真实心电图与其重建之间的平均差异，在五次运行上取平均。逻辑很简单：与模型大量见过的相近的「正常」波形重建得好（误差低）；非典型波形重建得差（误差高）。这一误差就成为风险评分。

一个对批判性阅读至关重要的方法细节：尽管训练无标签，模型的停止点（2600 步，不到一个 epoch）和其规模，是因为在内部队列上最大化死亡预测才被选定的。换言之，死亡标签确实在评分的制作中的某个环节进入了。作者如实报告了一个反直觉的事实：更大、训练更充分的模型重建心电图更好……却把死亡预测得更差。被保留的是一个在重建上刻意「平庸」的模型。

结果

验证规模很大：约 160 万名参与者，三大洲六个队列——CODE-15%（巴西，基层医疗，内部）、MIMIC-IV-ECG（美国，重症）、HEEDB（美国，住院）、CHRIS（意大利，一般人群）、Innsbruck（奥地利，心脏科）和 UK Biobank（英国）。中位随访 1.4 至 11 年，5 年死亡率从 1.0%（CHRIS）到 14.0%（MIMIC-IV-ECG）。重建误差每升高一个标准差，在校正年龄和性别后，死亡风险稳定上升：CODE-15% 中 HR 为 1.39（C 指数 0.810），MIMIC 中 1.39（0.731），HEEDB 中 1.41（0.740），Innsbruck 中 1.23（0.741），CHRIS 中 1.25（0.896）。所有置信区间都明显排除随机。

短期信号明显更强。在 HEEDB 中，HR 从 5 年的 1.46 升到 1 年的 1.61 和 30 天的 2.00；平均曲线下面积（C 指数的一种时间依赖变体）在 30 天为 0.776，但到 5 年跌到 0.667。临床解读：误差处于第 90 百分位的患者，其 30 天死亡风险约为第 10 百分位患者的六倍——这是一个说明性数字，是在假设对数线性关系下、跨 2.6 个标准差外推得来的。在二值版本（阈值定在巴西均值上方一个标准差）中，「高危」患者在 MIMIC 中 HR 为 2.00，HEEDB 中 1.95，Innsbruck 中 1.53，UK Biobank 中低至 1.27。但被归为高危的比例因队列差异极大：从 1.8%（CHRIS）到 25.3%（MIMIC）——这表明阈值无法原样在人群之间迁移。

值得肯定之处

代码、权重和数据开放，没有产业资金。模型的代码和权重在 GitHub 上以 CC BY 4.0 许可发布，大型数据集（CODE、MIMIC-IV-ECG、HEEDB、CHRIS、UK Biobank）可申请获取。经费完全来自因斯布鲁克医科大学内部，没有商业赞助，也未申报利益冲突。在一个专有评分泛滥的领域，这种透明让任何人都能重演并审计该分析。

一次在规模与坦诚上都罕见的外部验证。把同一评分放到六个队列上——巴西基层医疗、美国重症监护、意大利一般人群、奥地利心脏科——覆盖 160 万人，其泛化努力远高于该领域的平均水平。而且团队并不掩盖令人尴尬的异质性：例如它指出，CHRIS 的死亡通过讣告和家属联系获得，很可能低估了死亡数并削弱了 HR。

一个优雅的想法，以及一个未加粉饰就报告的反直觉结果。仅凭一份心电图「与正常的距离」来界定风险、不设外部目标，在概念上很干净。尤为可贵的是，发现重建更差的模型反而把死亡预测得更好，是那种人们倾向于埋起来的尴尬结果；这里它被描述并讨论，足见分析的成熟度——尽管如我们将看到的，它也应当引起警惕。

不足之处

「自监督」一词掩盖了一次经由模型选择的泄漏。论文的卖点是一个「无标签」评分。但停止点和模型规模，是按其在 CODE-15% 上的死亡预测表现挑选的。于是死亡标签驱动了评分的构建，CODE-15% 也就不再是真正独立的内部验证：它的 C 指数偏乐观。这是一种经由模型选择之门的数据泄漏（data leakage）——隐蔽、几乎未被提及，却削弱了核心承诺。「重建越差＝预测越好」这一反直觉结果其实是一个警报：它暗示起预测作用的并非心脏建模的质量，而是退化的重建放过去的别的东西。

招牌指标从未分离出心电图自身的贡献，而且没有真正的对照。所有报告的 C 指数（0.73 至 0.90）都来自已经包含年龄和性别的模型。而年龄本身就是一个极强的死亡预测因子——CHRIS 中 0.896 的 C 指数几乎肯定是由年龄而非心电图撑起来的。论文既没给出评分相对于单用年龄和性别的 C 指数增益，也没给出重分类指数：因此我们并不知道重建误差究竟增添了什么。再加上缺少对照：没有与现有的有监督 AI-ECG 评分或既有临床风险评分做直接较量。在做这项检验之前，「在年龄之外」的高 HR 并不能证明其有用。

一个可能的捷径：评分捕捉的是急性状态，而非仅仅是内在风险。重建误差也许主要是「此刻患病」的标记——噪声、伪影、心律失常、起搏器、重症监护心电图——而非基础的心脏风险。三条线索汇合：信号在 30 天最强、到 5 年减弱；正是在重症监护（MIMIC）中被标为高危的患者比例飙升到 25%；而训练不足的模型在第 III 导联上产生近乎为零的重建——这是学习伪影，不是生理。这种可能的捷径学习（shortcut learning），加上无法迁移的阈值（因队列不同，「高危」患者从 1.8% 到 25.3%）、研究的回顾性、缺乏特定病因死亡（一切都是「全因」）以及未经同行评审的预印本身份，都要求谨慎。

这意味着什么

对研究界而言，这项研究既是一个好主意，也是一个方法学的教科书案例。自监督风险评分是一条有吸引力的路径——它绕开了目标选择的偏倚——但其评估必须跨过本工作尚未跨过的两道门槛：分离出在年龄和性别之外的增益（C 指数增益、重分类），以及证明该信号并非只是急性严重程度的替代物。真正的工作在此：前瞻性验证、特定病因终点，以及不依赖结局标签的模型选择。

对临床医生而言，今天没有任何改变，而这正是有用的信息：这是一个研究原型，没有前瞻性验证，没有与现有评分的比较，阈值还会因人群而重新校准。不应由它导出任何诊疗决策。该评分的价值是启发式的——它或许终有一天能标记出值得再看一眼的「非典型」心电图——而非决策性的。

对患者与公众而言，这个故事是对「人工智能读你的心电图、预测你的死亡」这类标题的一剂良药。要问的问题不是「它的准确率多高？」，而是「它能不能胜过简单的年龄计算，它是否在真实条件下、前瞻性地测试过？」。这里，诚实的回答是：我们还不知道。这恰恰是论文值得称道之处——它并不隐瞒——也恰恰是它「自监督」的包装终究容易让人忽略的东西。

延伸阅读

预印本见 medRxiv（2026.07.10.26357749），由 Angus Nicolson、Samuel Pröll、Riccardo Lunelli、Hagen Blankenburg、Peter Pramstaller、Christian Fuchsberger、Axel Bauer 和 Clemens Dlaska（Medical University Innsbruck；Eurac Research，博尔扎诺）于 2026 年 7 月提交，尚未经过同行评审。代码与权重见 GitHub。关于人工智能应用于心电图与预后评分，另见我们关于另一种在 12 导联心电图上的自监督学习、基于 MIMIC-IV 的重症死亡预测与校准的重要性，以及从可穿戴心电图预测心房颤动的解读。

编辑透明度：法文版由 Tatakoto 编辑部在阅读该预印本后撰写并署名。英文、西班牙文和中文译文在人工智能协助下产生并经审校。