SchistoTrackNet：一个神经网络读取肝脏超声以检测血吸虫病的纤维化（medRxiv，2026）
这篇于 2026 年 6 月 2 日发表在 medRxiv 上的预印本，来自牛津大学与乌干达卫生部的团队，训练了一个名为 SchistoTrackNet 的神经网络，用以读取肝脏超声、检测由血吸虫病这一被忽视的寄生虫病所引起的门静脉周围纤维化。在来自乌干达农村 SchistoTrack 队列的 3710 张图像上，该模型对六种纤维化模式的正确分类率为 82.2%，且与采集该图像的超声医师的一致性（Cohen kappa 0.77）高于另一位盲法重读同一图像的超声医师（0.54）。议题重要，方法考究，且在训练集与测试集之间按患者划分避免了一个经典错误。但其参考标准仍是单一人类阅片者的主观判断——没有组织学确认——数据来自单一国家、单一类型的超声设备，而最晚期、最危险的纤维化只有一半能被检出。
背景
血吸虫病（又称裂体吸虫病）是一种由淡水寄生虫引起的感染；在撒哈拉以南非洲，超过 7 亿人面临风险。在由曼氏血吸虫（Schistosoma mansoni）引起的肠道型中，产在腹部静脉里的虫卵被带至肝脏，慢性免疫反应在那里可引发门静脉周围纤维化：肝脏血管周围组织的瘢痕样增厚，扰乱其循环，并可能最终导致致命的消化道出血。这种长期被低估的纤维化，是该大陆肝脏疾病负担的一大主因。
参考诊断工具是便携式超声（POCUS），价格低廉，可携带到村庄。阅片标准是世界卫生组织于 2000 年发布的尼亚美方案（Niamey protocol）：它描述了一系列以字母 A 到 F 标记的图像模式，从最初的纤维条纹（B 类）到重度阶段的阻塞血管（E、F 类）。作者指出，问题在于该方案"需要丰富的专业经验和大量病例的积累"，而疫情最重的国家恰恰缺乏受过超声训练的人员。由此产生了一个能识别这些模式的软件助手的设想——这仍是一片近乎空白的领域：此前仅有两项研究，其中一项的训练样本仅 160 张图像。
方法
该工作由 Eloise Ockenden、Goylette F. Chami（牛津大学纳菲尔德人口健康系）以及乌干达卫生部的合著者署名，建立在 SchistoTrack 队列之上：这是一项在乌干达三个农村地区（Pakwach、Buliisa 和 Mayuge）开展的前瞻性现场研究。图像由四名经验丰富的超声医师使用配备 Philips 探头的平板设备采集。数据集汇集了来自 1433 名参与者的 3710 张纤维化模式图像，并辅以 400 张无纤维化肝脏的图像（取自 100 名健康参与者视频的帧）以构成"正常肝脏"类。
参考标准——模型须学习再现的标签——是超声医师在检查当时按照尼亚美方案所赋予的模式。原本的八种模式被归并为六个类别：B（早期纤维化，未必由血吸虫引起）、C1、C2、D、E/F 组（最严重）以及健康肝脏。因此这是一个对纤维化程度进行多类别分类的任务，而非简单的"有病/无病"。
在模型方面，作者比较了五个网络。SchistoTrackNet 是一个卷积网络（CNN，专门用于图像分析的一类网络），采用 VGG-16 架构，并非随机初始化，而是用 PULSENet 的权重初始化——后者是一个预训练用于识别胎儿超声的编码器——其思路是先从一个"已经认识"超声那种独特纹理的网络出发，再将其专门化到肝脏。它通过有监督对比学习训练，这种技术教网络把同一模式的图像拉近、把不同模式的图像推远。竞争者是三个 Vision Transformer（ViT），一种更新的架构，把图像切成小块并建立其相互关系。训练/测试按 90/10 划分，配合十折交叉验证，而且——关键之处——按参与者划分：同一患者的任何图像都不会同时出现在训练集和测试集中，从而堵住了数据泄漏（data leakage）的口子。
结果
在测试集上，SchistoTrackNet 取得最佳准确率 82.2%、81.2% 的平衡准确率和 0.82 的 F1 分数（F1 是精确率与召回率的调和平均）。它与现场超声医师的一致性，以 Cohen kappa 衡量——该指标在完全一致时为 1、在仅靠随机一致时为 0——达到 0.77。除一种模式外（C2 为 89.7%），所有模式的特异性均超过 90%，而敏感性从中间模式约 86% 到健康肝脏的 97.5% 不等。
最说明问题的结果，是与第二位人类超声医师的比较——后者在数月后盲法重读了同样的图像。两位人类专家之间的一致性仅为 0.54——对最隐微的 B 类更跌至 46%。换言之，在这项任务上，模型比另一位专家更忠实地贴合原始诊断：这是支持其作为自动"第二阅片者"使用的有力论据。
临床转译：这些漂亮的数字掩盖了一个痛点。在最晚期阶段 E/F 模式上——这正是真正威胁生命、与食管静脉曲张相关的阶段——模型的敏感性仅为 57.9%。具体而言，在 100 名患有最严重纤维化的患者中，模型会漏掉约 42 名。对于中间阶段（D 模式），敏感性超过 90%，阳性预测值为 0.89，相当稳健。因此该模型擅长筛分大部分病例，却恰恰在错误代价最高之处最不可靠。
好的方面
一种被忽视的疾病，得到了认真对待。血吸虫病影响着数以亿计最贫困的人群，却只吸引了医学 AI 研究极小的一部分。从真实的现场队列而非实验室图像出发，构建并利用作者所称撒哈拉以南非洲最大的血吸虫病相关疾病影像数据集，本身就是一项有用的贡献。
一种防泄漏的数据划分。按参与者而非随机划分图像，确保没有患者从训练集"泄漏"到测试集。这是最基本的方法学卫生，但在 AI 健康文献中却屡遭忽视——许多惊艳的 AUC 一旦控制这一点便会崩塌——因此对它的遵守值得肯定。
对人类主观性的诚实。作者没有把超声医师当作绝对真理，而是测量并公布了两位专家之间的一致性（kappa 0.54）。这重新界定了问题：目标不是比肩一个完美的金标准，而是在连专家都各执一词之处提供一种可复现的阅读。该队列还具有包容性——不排除脂肪肝或被肠道气体干扰的检查——这使评估更贴近现实。
不足之处
脆弱的参考标准（失效模式：有偏的比较基准）。模型学习的是再现单一超声医师的判断，没有任何活检或其他独立检查的确认。而这一人类判断本身就并不确定，阅片者间 0.54 的 kappa 即为明证。"比第二位阅片者更贴合第一位阅片者"，因此同样可能意味着模型学到的是原始操作者的习惯与偏好，而非纤维化的生物学。
一丝捷径之嫌，以及过于容易的"健康"类（失效模式：捷径学习与误导性指标）。模型的混淆集中在共享同一超声切面的模式之间（B、C2、E/F），作者承认这"可能表明模型学到的是肝脏的横切面视图，而非病变的严重程度"——这是捷径学习的典型案例，网络抓住了一个寄生性线索。Grad-CAM 激活图证实了这一风险：模型有时点亮的是膈肌或气体干扰，而非病灶。此外，"健康肝脏"类由性质与其余不同的视频帧构成；作者承认这使区分变得人为地容易，很可能抬高了整体准确率。
没有外部验证，可复现性也只是部分（失效模式：人群偏倚与可复现性）。所有性能都在单一国家、单一类型超声设备（Philips）和同一批操作者上测得。没有任何保证表明该模型在更廉价的便携设备或另一情境下仍然成立——作者对此予以承认，并将其列为未来工作的重点。代码以补充材料形式提供，但图像因数据保护无法共享，未公开任何模型权重；某些预测值因未采用固定敏感性阈值计算，作者自己也承认"可能被高估"。最后，这是一项对已采集图像的回顾性分析，没有前瞻性临床试验。
它改变了什么
对研究界而言，这篇论文树立了一个标记：它为一种几乎缺席于医学 AI 版图的疾病确立了一个严肃的数据集和比较基线，并表明在胎儿超声上预训练的编码器可以被改用于肝脏。值得探索的路径已清晰铺就——在其他国家、其他设备上验证，尤其要把参考标准锚定在单一阅片者之外的东西上。
对临床医生而言，今天实践中没有任何改变：这是一篇尚未经同行评议的预印本，没有外部验证，也没有前瞻性试验。不过，一个数字化"第二阅片者"——能在两位专家只有一半把握时带来一致性——的设想仍然可信，值得追踪；前提是要记住，模型在最严重的形态上最为薄弱，而那恰恰是最需要它的地方。
对患者和公众而言，教训是审慎的。把 AI 用于一种贫困之病，借助像掌上超声那样简单的设备，正是对资源不足的卫生系统具有高潜在影响的那类应用。但"82% 准确率"并不意味着"即可投用"：从在单一国家队列上令人鼓舞的演示，到可常规部署的工具，中间还隔着真实现场验证这一决定性的步骤。
延伸阅读
完整预印本可在 medRxiv（DOI 10.64898/2026.06.01.26354609）获取，发表于 2026 年 6 月 2 日，采用 CC BY 4.0 许可，作者来自牛津大学纳菲尔德人口健康系以及乌干达卫生部媒介传播与被忽视热带病防治司。关于纤维化的超声阅片框架，尼亚美方案（世界卫生组织，2000）仍是参考；关于疾病本身，世界卫生组织有关血吸虫病的资料是可靠的入门读物。