从自动化到智能化：人工智能在腹主动脉瘤EVAR术前评估与术后监测中的系统性突破——EJVES 2026年多中心研究深度解读（科普版之后附专业版）

大众科普版

当人工智能学会“看”血管：一项多中心研究如何让腹主动脉瘤的术后监测更可靠

前言：一个被测量误差困扰的临床难题

腹主动脉瘤，通俗地说，就是腹部最大的血管——腹主动脉——像吹气球一样局部膨胀起来。当这个“气球”的直径超过5厘米左右，破裂风险就会明显上升，而一旦破裂，死亡率极高。自1991年以来，一种叫做“腔内修复术”（EVAR）的微创技术逐渐成为主流治疗方式：医生通过大腿根部的血管，把一段带膜的支架送到主动脉膨胀的部位，让血液从支架内部流过，不再冲击瘤壁，从而降低破裂风险。

但这个手术有一个特点：做完之后，患者需要终身定期做影像检查。原因是，支架虽然隔绝了大部分血流，但有时仍会有少量血液从缝隙渗入瘤囊，这种现象叫做“内漏”。内漏可能导致瘤囊继续增大，最终仍需处理。因此，医生需要通过CT血管造影（CTA）等影像手段，定期测量瘤囊的直径，判断它是在稳定、缩小，还是在增大。

问题恰恰出在“测量”这个环节。多项研究表明，不同医生、甚至同一位医生在不同时间测量同一个动脉瘤的最大直径，结果可能相差好几毫米。而临床上判断“是否需要再次干预”的阈值，往往也就是5毫米或10毫米的变化。换句话说，测量本身的误差，可能和真正要检测的变化幅度差不多大。这就好比用一把刻度粗糙的尺子去量一根头发丝的生长速度——尺子的误差比头发丝的生长还大，结果自然不可靠。

9月18日（当地时间）一项发表在《欧洲血管与血管内外科杂志》（EJVES）上的多中心研究，系统性地探索了人工智能（AI）能否在腹主动脉瘤EVAR术前评估和术后监测中，比人类医生更稳定地完成测量和变化检测。这项研究纳入了372名患者、1133次CTA扫描，来自西班牙巴塞罗那和葡萄牙里斯本两个独立中心。下面，我们将用通俗的语言，介绍这项研究的背景、方法和发现。

1. 为什么“测量稳定”比“测量准确”更重要？

在讨论这项研究之前，需要先理解一个关键概念：在长期随访中，测量的稳定性（重复性）可能比单次测量的准确性更重要。

假设一位患者的动脉瘤真实直径是60毫米，一年后增长到63毫米，真实变化是3毫米。如果测量工具的误差是±2毫米，那么两次测量结果的差值可能是-1毫米到+7毫米之间的任何值。也就是说，一次真实的3毫米增长，可能被测量误差掩盖，显示为“没有变化”，甚至“缩小了”。医生据此可能做出错误的判断。

研究显示，传统的人工测量方法，直径的重复性系数（一种衡量测量波动范围的指标）大约在1.9到5.6毫米之间。而动脉瘤的年增长率中位数大约只有3毫米。这意味着，测量误差可能和真实变化一样大，甚至更大。这就是为什么“这个瘤囊到底有没有在长大”这个问题，在临床实践中常常难以回答。

AI的优势在于，一旦算法训练完成，它对同一张影像的测量结果是完全可重复的——不会因为疲劳、情绪或经验差异而改变。这项研究要回答的核心问题就是：AI能否在真实的多中心数据中，实现比人类医生更稳定的测量，尤其是在评估“直径变化”这一关键指标时。

2. 研究是怎么做的？

这项研究采用了一种“双中心”设计。简单来说，一个中心的数据用来训练AI模型，另一个完全独立的中心的数据用来检验这个模型是否真的有效。这种设计在AI研究中非常重要，因为如果只用同一个中心的数据训练和测试，模型可能只是“记住了”这个中心的特定图像特征，换一家医院就不灵了。

内部中心是西班牙巴塞罗那的Vall d‘Hebron大学医院，贡献了135名患者的295次CTA扫描。外部中心是葡萄牙里斯本的ULS São José医院，贡献了237名患者的838次CTA扫描。两个中心使用的CT扫描仪来自不同厂商，扫描参数也不完全相同，这增加了外部验证的严格性。

研究团队训练了四个AI模型，分别负责：识别术前CTA中的六个解剖标志点（如肾动脉、主动脉分叉等）；识别术后CTA中的九个标志点（包括支架相关的位置）；分割术前CTA中的血管管腔和血栓；分割术后CTA中的管腔、被支架隔绝的瘤囊区域以及可能的内漏。此外，AI还自动测量最大动脉瘤直径，并计算随访期间直径的变化。

为了判断AI的表现，研究团队将AI的测量结果与多位专家的手动测量进行了比较，同时也比较了不同专家之间的一致性。这样，就可以回答一个关键问题：AI的测量波动，是否比专家之间的测量差异更小？

3. 核心发现：AI在“变化检测”上明显优于人类观察者

3.1 AI的分割和标志点识别表现优秀

在图像分割任务中，AI的表现用Dice评分来衡量（1.0表示完全重合，0表示完全不重合）。这项研究中，所有分割任务的Dice评分都超过了0.9，意味着AI勾画的血管、血栓和内漏区域与专家的手动勾画高度一致。在外部中心的数据上，AI的表现仅轻微下降，说明模型具有良好的泛化能力。

在标志点识别方面，AI的定位误差与专家之间的差异相当，有些任务甚至更小。例如，在评估支架移植物位置时，AI的误差为2.45到2.70毫米，而专家之间的差异为4.76毫米。这意味着，在判断支架是否发生移位时，AI可能比人类医生更可靠。

3.2 内漏检测：AI表现稳定

内漏是EVAR术后最重要的并发症之一。这项研究中，AI检测内漏的曲线下面积（AUC，一种综合衡量检测能力的指标，1.0为完美）在内部中心为0.87，在外部中心为0.85。两组之间没有显著差异，说明AI在不同中心的数据上表现一致。

作为参考，另一项使用PRAEVAorta 2软件的研究在56例患者中报告的内漏检测敏感性为89.47%、特异性为91.25%。但需要注意的是，那项研究没有进行外部验证，而这项研究的外部验证结果为AI内漏检测的泛化能力提供了更可靠的证据。

3.3 直径测量：AI与专家高度一致

在最大动脉瘤直径的测量上，AI在93%的CTA扫描中成功完成了自动测量。AI的测量结果与专家手动测量的相关性达到0.97以上，组内相关系数（ICC，一种衡量一致性的指标，1.0为完美一致）也达到0.97以上。AI的测量值略低于专家（术前平均低估约1.2到1.4毫米），但这一差异相对于60毫米左右的动脉瘤直径来说很小。

3.4 最关键的发现在于“变化检测”

这项研究最具临床价值的发现，是关于直径变化的检测。当评估两位专家对同一位患者“直径是否在变化”的判断一致性时，结果令人担忧：专家之间的相关系数仅为0.52，ICC仅为0.49。这意味着，两位经验丰富的医生对同一个动脉瘤是否在生长，可能只有大约一半的时候能得出相似的结论。

相比之下，AI与专家参考之间的变化检测一致性要高得多。在“首次术后到末次术后”这一时间区间内，AI的ICC达到0.97到0.98，远高于专家之间的0.49。换句话说，当AI报告“这个动脉瘤在一年内增长了3毫米”时，这个数字比两位专家的一致判断更值得信赖。

这张图展示的是人工智能如何“看懂”腹主动脉瘤患者在微创修复手术前后的CT血管造影图像。主动脉是人体腹部的大血管，当它局部鼓包变大，就形成了腹主动脉瘤；一旦破裂，后果非常危险。图中用不同颜色标出了关键结构：蓝色是血液流动的主动脉管腔，黄色在术前代表附壁血栓，在术后代表被支架隔开的瘤囊，红色则标出了可能出现的“内漏”——也就是血液又漏进了本该被隔离的瘤囊里。图上的小红点，是医生和人工智能共同关注的“路标”，比如肾脏附近的动脉、动脉瘤的起点和终点，以及支架放置的位置。通过这张图，人工智能不仅能自动认出这些结构，还能帮助医生更清楚地判断手术效果、发现并发症，从而让患者的随访更准确、更省心。

4. 这项研究的意义和局限

4.1 意义：为EVAR术后监测提供了更可靠的工具

这项研究的核心贡献，不是证明AI“比医生更准”，而是证明AI在纵向变化检测这一临床最关键的任务上，比人类观察者更稳定。这意味着，AI有潜力帮助医生更可靠地判断动脉瘤是否在生长，从而更准确地决定是否需要再次干预。

此外，这项研究采用了严格的外部验证设计，且AI模型基于开源的nnU-Net框架，具有可复现性。这为后续研究和临床转化提供了良好的基础。

4.2 局限：仍需更多研究

研究团队也诚实地列出了若干局限。首先，研究只分析了动脉期的CTA图像，而某些类型的内漏（如II型内漏）可能需要在延迟期才能更清楚地显示。其次，研究没有评估内漏检测的专家间一致性，因此无法直接将AI的内漏检测能力与“人类专家共识”进行比较。第三，有7%的CTA扫描AI未能成功测量直径，但研究没有详细分析失败的原因。第四，女性患者仅占4%，无法评估AI在女性中的表现是否与男性一致。第五，研究纳入的是标准EVAR，不适用于开窗或分支支架等复杂手术。最后，这项研究是回顾性的，AI在真实临床工作流中的表现还需要前瞻性研究来验证。

5. 更广阔的背景：EVAR术后监测的现状与挑战

要理解这项研究的意义，还需要了解EVAR术后监测在临床实践中的现实状况。

监测依从性是一个被低估的问题。 尽管指南推荐EVAR术后每年进行影像随访，但实际依从率远低于理想水平。一项基于米国退伍军人事务部医院的研究显示，11,668名接受EVAR的患者中，仅有69.1%在术后一年内完成了随访影像检查，而五年后的随访率进一步降至45.6%。近期一项来自密歇根州的医疗质量改进项目则展示了改善的可能性：通过全州范围的协作，EVAR术后一年内的影像随访率从2017年的约28%提升至2023年的近80%，且接受监测的患者在术后一年内的死亡风险降低了近60%。

监测策略本身也在经历反思。 传统上，CT血管造影被视为EVAR术后监测的“金标准”，但近年来的证据提示，这一策略可能需要重新审视。一项基于大型注册数据库的研究发现，在术后第一年之后接受单纯超声监测的患者，其再干预率、开放转换率、破裂率以及全因死亡率反而低于接受单纯CT/MRI监测的患者。当然，接受超声监测的患者本身可能病情更轻，因此这一发现需要前瞻性随机试验来进一步验证。2024年欧洲血管外科学会指南提出了基于术后30天CTA结果的风险分层监测方案：如果30天影像显示无内漏、解剖结构符合支架使用说明、且无“高风险”特征，可考虑将下一次影像检查推迟至5年。但这一建议也引发了争议，因为多项荟萃分析表明，大多数内漏实际上是在术后30天至5年之间被发现的，而非5年之后。

女性患者的特殊性值得特别关注。 女性在AAA的自然史和治疗中面临系统性劣势。女性在更小的动脉瘤直径下就可能发生破裂，接受EVAR或开放修复后的围手术期死亡率比男性高40-60%。一项针对复杂腹主动脉瘤的研究显示，在接受开窗EVAR的女性中，5年死亡率和再干预率均显著高于开放手术。正在进行的WARRIORS试验计划纳入1,112名女性，随机比较早期EVAR与常规监测策略，旨在回答“女性是否应在更小直径下接受修复”这一关键问题。

AI在血管外科中的角色正在扩展。 除了这项研究关注的术后监测，AI在EVAR术前规划中可以自动测量血管直径、识别密封区、预测支架尺寸；在术中，AI辅助的导航系统可以帮助医生更精准地放置支架，减少辐射和对比剂用量；在并发症预测方面，基于术前CT图像的AI模型已显示出识别高危患者的潜力。这些进展共同指向一个方向：AI正在成为血管外科医生从术前到术后的“智能助手”，而这项关于直径变化检测的研究，恰好填补了术后监测这一关键环节的证据空白。

6. 结语：从“能不能测”到“测得稳不稳”

这项研究的价值，不在于AI能否比医生测量得更“准”——在单次测量上，AI和专家的表现已经非常接近。它的价值在于回答了一个更根本的问题：在长期随访中，AI能否比人类观察者更稳定地检测动脉瘤的变化？

答案是肯定的。当专家之间对“动脉瘤是否在生长”的判断一致性只有中等水平时，AI的变化检测一致性达到了接近完美的水平。这意味着，AI有潜力成为EVAR术后监测中一个可靠的“变化探测器”，帮助医生更早、更准确地发现需要干预的动脉瘤，同时避免因测量误差而做出的错误判断。

当然，从研究到临床常规应用，还有监管审批、工作流整合、成本效益评估等一系列现实问题需要解决。但这项研究为AI在血管外科中的临床应用，提供了一个扎实的证据基础。

综合表格

表1 研究基本情况

表2 患者基本特征（内部中心）

表3 患者基本特征（外部中心）

表4 AI分割表现（Dice评分）

表5 标志点识别误差（毫米）

表6 内漏检测表现（本研究）

表7 内漏检测表现（PRAEVAorta 2研究参考）

表8 直径测量一致性（术前）

表9 直径测量一致性（术后）

表10 直径变化检测（首次至末次术后）

表11 专家间变化检测一致性

表12 传统测量与AI测量的重复性对比

表13 EVAR术后监测依从性数据

表14 本研究的局限性

专业版

从自动化到智能化：人工智能在腹主动脉瘤EVAR术前评估与术后监测中的系统性突破——EJVES 2026年多中心研究深度解读

这项发表于《欧洲血管与血管内外科杂志》（EJVES）的多中心研究，以372例腹主动脉瘤患者、1133次CT血管造影扫描为数据基础，构建并外部验证了一套覆盖EVAR术前评估与术后监测全流程的人工智能分析管道，其关键结果可从三个层面概括。在图像分割与解剖定位方面，基于nnU-Net架构的四个三维卷积神经网络在术前与术后CTA中均实现了优异性能，所有Dice评分均超过0.9，且在独立外部数据上的性能下降幅度微小，证实了良好的泛化能力。在内漏检测方面，AI在内部与外部中心分别取得0.87与0.85的曲线下面积，敏感性与特异性在两组间无显著差异，这是该领域首次在独立外部数据集中验证内漏自动检测的泛化能力。在直径测量方面，AI在93%的扫描中成功完成自动测量，与专家手动测量的相关性达到R≥0.97、组内相关系数≥0.97。而该研究最具临床价值的发现，在于纵向变化检测：专家之间对直径变化的判断一致性仅为中等水平（相关系数0.52，组内相关系数0.49），相比之下AI与专家参考之间的一致性显著更高，在“首次术后至末次术后”区间内组内相关系数达到0.97至0.98。这一发现首次以观察者间变异为基准，证明AI在长期随访中检测AAA直径变化的能力超越了人类观察者的一致性水平，为EVAR术后监测中最核心的临床问题——“瘤囊是否在生长”——提供了更可靠的数据基础，也为后续前瞻性验证和个体化监测策略的制定奠定了证据基础。

《欧洲血管与血管内外科杂志》(EJVES). 全文研究论文，在线预发表，2026年9月18日 (当地时间)

接受腹主动脉瘤腔内修复术患者术前与术后计算机断层扫描的综合人工智能分析

该研究的作者团队由来自西班牙与葡萄牙多个学术与临床机构的血管外科、影像学与生物医学工程研究人员组成，体现了临床与工程学科交叉合作的特点。第一作者为Juan Garrido-Oliver与Xavier Tenezaca-Sari，二人共同贡献同等第一作者身份；资深作者为Sergi Bellmunt-Montoya与Andrea Guala，二人共同贡献同等资深作者身份，研究以协作研究组（collaborative study group）名义发表。作者单位涵盖：西班牙巴塞罗那Vall d'Hebron研究所（Vall d'Hebron Institut de Recerca）、巴塞罗那自治大学医学系（Department of Medicine, Universitat Autònoma de Barcelona）、Vall d'Hebron大学医院血管与血管内外科（Vascular and Endovascular Surgery, Hospital Universitari Vall d'Hebron）、Vall d'Hebron大学医院放射科（Radiology Department）、西班牙卡洛斯三世健康研究所心血管疾病生物医学研究网络中心（CIBER-CV, Instituto de Salud Carlos III）；葡萄牙里斯本ULS São José血管外科（Vascular Surgery Department, ULS São José）、里斯本临床学术中心（Centro Clínico Académico de Lisboa）、里斯本NOVA医学院（NOVA Medical School, Universidade Nova de Lisboa）以及里斯本CUF Tejo医院。通讯作者为Lydia Dux-Santoy，联系地址为巴塞罗那Vall d'Hebron研究所。

前言

腹主动脉瘤（Abdominal Aortic Aneurysm, AAA）的腔内修复术（Endovascular Aneurysm Repair, EVAR）自1991年由Parodi等首次报道以来，已历经三十余年的技术演进与临床验证。这一微创技术通过股动脉入路将覆膜支架移植物输送至肾下腹主动脉，将瘤囊隔绝于循环压力之外，从而降低破裂风险。相较于传统开放手术，EVAR在围手术期死亡率、住院时间和早期恢复方面具有显著优势，已成为解剖条件适宜患者的一线治疗选择。然而，EVAR的长期疗效始终受到一个根本性问题的困扰：终身影像学监测的临床价值与实施困境之间的张力。

欧洲血管外科学会（European Society for Vascular Surgery, ESVS）2024年发布的《腹主动脉-髂动脉动脉瘤管理临床实践指南》提供了160条推荐意见，涵盖从流行病学、筛查、小动脉瘤管理到择期修复、破裂处理及长期随访的全流程。该指南基于改良的欧洲心脏病学会分级系统，将推荐强度分为I至III级，证据水平标记为A至C级。在EVAR术后随访方面，指南第115条明确推荐“接受EVAR的患者应进行长期影像学随访（无论初始风险分层如何），以检测晚期并发症、识别晚期装置失败和疾病进展”（Class I）。然而，指南对具体监测模式的选择——CT血管造影（Computed Tomography Angiography, CTA）抑或多普勒超声（Duplex Ultrasound, DUS）——并未给出强制性推荐，这一“灵活性”本质上反映了现有证据基础的薄弱。

Blecha等基于Vascular Implant Surveillance and Interventional Outcomes Network（VISION）注册研究的大规模分析（11,199例EVAR患者）揭示了一个令人深思的现象。该研究将患者按术后第一年后的影像监测策略分为六组：无影像（n=953）、单纯CT/MRI（n=2,976）、单纯DUS（n=1,808）、CT/MRI+DUS（CT/MRI>50%，n=1,937）、CT/MRI+DUS（DUS>50%，n=2,253）、混合（CT+DUS+MRI，n=1,272）。结果显示，单纯DUS监测的患者在再干预率、开放转换率、破裂率及全因死亡率方面均低于单纯CT/MRI监测的患者（所有log-rank P < 0.001），且在调整基线特征、术前AAA直径、既往主动脉手术史、瘤囊生长及内漏状态后，这一差异仍然存在（所有P < 0.01）。DUS-only监测更可能被分配给择期修复、年龄较大、男性、术前AAA直径较小（<6 cm）、无髂动脉瘤、首次EVAR完成时无内漏、且一年随访时瘤囊缩小>5 mm的患者。这一发现虽可能受到选择偏倚的影响，但至少提示：CTA监测的“精确性”并未转化为可识别的临床获益。测量工具的噪声可能淹没了真实的变化信号，而过度依赖CT监测所带来的成本、辐射暴露和患者负担，可能在某些亚组中超过了其临床价值。

更具体地审视测量学困境：最大AAA直径——这一决定再干预时机的核心指标——的人工测量存在显著的观察者间与观察者内变异。Sharma等的研究为此提供了直接的实证支持。该研究纳入142例患者的CTA扫描，三位观察者使用半自动和AI辅助自动系统分别测量最大AAA直径和体积各两次。结果显示，传统半自动测量的直径重复性系数（Reproducibility Coefficient, RC）为1.9-5.6 mm，体积RC为7.8-22.6 cm³，而AI辅助测量展现出完美的观察者内与观察者间重复性（RC = 0）。这一差异的临床后果是实质性的：AI辅助测量在“是否需要AAA修复”的决策一致性上达到Kappa = 1，而传统方法仅为0.55-0.70。更值得注意的是，基线AI辅助直径测量能够预测实际修复需求（每毫米直径增加的HR为1.12，95% CI 1.03-1.22，P < 0.001）。

人工智能（Artificial Intelligence, AI）技术的介入，为打破这一困局提供了新的可能性。Garrido-Oliver等发表于《European Journal of Vascular & Endovascular Surgery》的这项多中心研究，正是在这一理论框架下展开的系统性探索。该研究以372例患者、1133次CTA扫描的规模，构建并外部验证了一套覆盖EVAR术前评估与术后监测全流程的AI管道，其核心创新在于以观察者间变异为基准，系统性地评估AI在纵向随访中测量最大AAA直径变化的表现。下文将从研究设计、核心发现、方法学审视、领域背景对接及临床转化前景等维度，对该研究进行系统性的深度解析。

1. 研究背景与问题意识的深度剖析

1.1 EVAR术后监测的临床困境：依从性与测量学的双重挑战

EVAR术后监测的核心理念建立在一个看似简洁的临床逻辑之上：通过影像学手段捕捉瘤囊行为的异常轨迹。瘤囊持续扩张提示内漏或内张力未解除，稳定或缩小则预示治疗成功。然而，这一逻辑在实践中遭遇了双重障碍。

依从性困境已如前所述。AAA患者多为高龄、合并多种心血管危险因素，长期规律的影像随访对患者和医疗系统均构成沉重负担。监测的中断往往发生在术后2-3年这一内漏和瘤囊扩张的高发窗口期，而此时正是监测最具临床价值的阶段。

测量学困境则更为隐蔽却同样具有破坏性。ESVS 2024指南对EVAR术后随访的建议反映了这一困境的临床现实：指南承认，关于最佳随访间隔和影像模态的证据仍然有限。指南第27条推荐“EVAR术前应使用专用后处理软件进行详细的CTA规划”（Class IIa），这暗示了标准化测量的重要性，但术后监测的标准化程度远低于术前规划。如果CTA能够提供真正可靠的变化检测，指南将更有信心推荐统一的监测方案，而非在DUS与CTA之间保持“灵活性”。

1.2 AI介入的理论依据：从“更准”到“更稳”

AI在医学影像分析中的价值主张通常聚焦于“准确性”与“效率”。然而，对于EVAR术后监测这一特定场景，重复性（repeatability）可能比单次准确性更具临床意义。

这一判断的数学依据在于纵向监测的本质。假设真实直径变化为ΔD_true，测量误差的标准差为σ_error，则观测到的变化ΔD_obs = ΔD_true ± σ_error × √2。当σ_error接近或超过ΔD_true的典型值时（例如，观察者间直径测量的标准差为1-2 mm，而年增长率的中位数仅为0.3 cm/年=3 mm/年），检测真实变化的信噪比将低至难以接受的水平。

Sharma等的研究为此提供了直接的量化证据。在该研究中，AI辅助测量展现出完美的观察者内与观察者间重复性（RC = 0），而传统半自动测量的RC值在直径方面为1.9-5.6 mm，体积方面为7.8-22.6 cm³。这一差异的临床后果是实质性的：AI辅助测量在“是否需要AAA修复”的决策一致性上达到Kappa = 1，而传统方法仅为0.55-0.70。更值得注意的是，基线AI辅助直径测量能够预测实际修复需求（每毫米直径增加的HR为1.12，95% CI 1.03-1.22，P < 0.001），提示AI测量的“稳定性”可能使其成为比人工测量更有效的预后标志物。

1.3 既有研究的局限与本研究的定位

在本研究发表之前，AI在AAA影像分析中的外部验证已取得若干重要进展。Hatzl等利用ZEPHYR注册研究的数据对PRAEVAorta 2（Nurea, Bordeaux）进行了迄今为止规模最大的外部验证：871次CTA扫描中，AI测量与核心实验室参考的ICC达到0.972（95% CI 0.968-0.976），95.4%的测量落在临床可接受的5 mm范围内。然而，该研究聚焦于单一时点的直径测量准确性，未涉及纵向变化的评估，且10%的扫描因分割错误被排除，主要原因为肾动脉或主动脉分叉识别失败，以及将十二指肠、下腔静脉或主动脉分支误判为AAA外边界。

Caradu等的前期工作（2022）证明了PRAEVAorta在术后CTA中分割的可行性，Dice评分达0.950，且分割速度较手动方法快9倍。van Tongeren等（2025）进一步比较了AI与半自动方法在瘤囊体积测量中的表现，发现AI在体积演变的分类中具有更优的可靠性（AI的观察者内一致性近乎完美，bias = -0.01 cc），但AI与半自动方法在“瘤囊回归/稳定/生长”分类上的Kappa仅为0.33，24%的病例存在分歧。

上述研究的共同局限在于：它们或聚焦于单一时点的测量准确性，或虽涉及纵向比较但未以观察者间变异为基准进行严格对标。Garrido-Oliver等的研究填补了这一空白，其“变化检测优于观察者间变异”的核心发现，为AI在EVAR监测中的临床价值提供了迄今为止最直接的证据。

2. 研究设计与方法学的系统性呈现

2.1 研究队列与数据架构

该研究采用双中心回顾性设计，纳入2009年1月至2025年5月间接受择期EVAR的连续患者。入选标准包括：肾下型AAA、术前6个月内及术后6个月内至少各有一次CTA。排除标准涵盖最大AAA直径≤40 mm、既往腹主动脉干预、结缔组织病、主动脉破裂或夹层、主-单髂配置。

内部中心（Vall d‘Hebron大学医院，巴塞罗那）贡献135例患者的295次CTA（135次术前，160次术后），外部中心（ULS São José，里斯本）贡献237例患者的838次CTA（237次术前，601次术后）。总计372例患者、1133次CTA扫描的规模，在同类研究中属于较大队列，尤其是外部验证数据的体量（838次CTA）显著超越了多数已发表研究。

队列的基线特征反映了AAA流行病学的真实面貌：中位年龄74岁，女性仅占4%（15/372）。术前最大AAA直径的中位数在内部中心为60.0 mm，外部中心为59.0 mm。随访时间在内部中心为5.4个月，外部中心为23.1个月——这一显著差异（p < .001）源于两中心影像随访协议的差异，但也使外部验证数据集覆盖了更长的纵向时间跨度。内漏发生率在两组间无显著差异（内部42% vs 外部39%，p = .69），II型内漏为最常见类型（内部36%，外部37%），这一分布与既往文献一致。

2.2 人工智能管道架构

研究采用nnU-Net架构训练了四个三维卷积神经网络。nnU-Net的选择具有方法学上的深层合理性。该框架由Isensee等于2021年发表于《Nature Methods》，其核心创新在于自配置能力：它能够根据数据集的“指纹”（图像尺寸、体素间距、类别数量等）自动调整预处理策略、网络架构、训练参数和后处理流程，无需人工调参。这一特性的方法论意义在于：在医学图像分割领域，针对特定数据集的手工架构设计往往高度依赖专家经验且难以迁移至新任务，而nnU-Net通过将关键设计决策建模为一组固定参数、相互依赖的规则和经验决策，实现了跨数据集的稳健性能。Isensee等的研究证明，nnU-Net在23个国际生物医学分割竞赛的公开数据集上，无需手动干预即超越了大多数现有方法。nnU-Net已在胎儿脑组织分割、头颈部器官危及器官勾画、正颌外科规划、股骨肿瘤分割等多个领域展现出优异的泛化能力。

四个模型分别针对四项多任务目标：（1）术前CTA的六个解剖标志点识别（腹腔干、肠系膜上动脉、肾动脉中点、动脉瘤近端起点、主动脉分叉、动脉瘤远端终点）；（2）术后CTA的九个标志点识别（上述六个加三个移植物相关标志点：近端移植物着陆点、织物组件近端起点、移植物最远端）；（3）术前CTA的管腔与附壁血栓分割；（4）术后CTA的管腔、被排除主动脉及内漏分割。训练采用五折交叉验证，每折选择验证集上平均Dice评分最高的模型参数，外部测试使用五折模型的体素级集成。

最大AAA直径的测量采用全自动MATLAB实现，核心逻辑为：将管腔与血栓（术前）或管腔、被排除主动脉与内漏（术后）的分割结果融合为主动脉壁，沿中心线生成垂直于中心线或轴向的平面，通过扰动平面方向搜索最大平面内节点间距。双模式直径测量——内部中心采用垂直于中心线的双斜平面，外部中心采用轴位平面——的设计体现了对“人机可比性”的务实考量：AI测量的参照标准是各中心自身的临床测量协议，而非强加的统一标准。

2.3 统计方法的严谨性评估

研究使用Dice评分与95百分位Hausdorff距离评估分割性能。标志点定位的评估采用Euclidean距离与轴向符号距离，后者不仅能量化定位误差的大小，还能捕捉误差的方向性（近端或远端偏移），对于评估移植物移位监测的潜力尤为重要。

内漏检测性能通过敏感性、特异性、准确性与ROC曲线下面积（AUC）评估。直径测量的一致性和相关性通过Pearson相关系数（R）与组内相关系数（ICC；双向混合效应、单评分者、绝对一致性）评估。ICC的选择尤为关键：绝对一致性的ICC关注的是测量值的直接可比性，而非仅关注相关性。这意味着，一个系统性地高估或低估直径的AI系统，即便相关性完美，其ICC也会受到惩罚。这一选择反映了研究对“AI测量值能否直接替代人工测量值”这一临床问题的严肃态度。

AI误差与观察者间变异的比较采用Mann-Whitney U检验（连续变量）与卡方检验（二分变量）。统计显著性阈值设为双侧p < .05。所有分析使用Python的SciPy与Pingouin库完成。

3. 核心发现的深度解析

3.1 分割与标志点识别：外部验证中的性能守恒

所有AI分割的Dice评分均超过0.9，涵盖术前与术后、内部与外部数据集。这一性能水平与PRAEVAorta 2在ZEPHYR注册研究中的表现（ICC 0.972）以及Caradu等在术后CTA中报告的Dice 0.950相当。

具体而言，术前主动脉管腔分割的内部Dice为0.969，外部为0.955；术前血栓分割的内部Dice为0.922，外部为0.907；术后主动脉管腔分割的内部Dice为0.935，外部为0.914；术后被排除主动脉分割的内部Dice为0.940，外部为0.934。术后分割的Dice评分系统性低于术前，其中术后管腔分割的下降最为明显（内部0.969→0.935）。这一下降的合理解释包括支架移植物的金属伪影、内漏区域的异质性、以及被排除主动脉边界在血栓与内漏混合区域的模糊性。Hatzl等的研究也报告了类似现象，其术后CTA的ICC（0.979）虽高于术前（0.953），但10%的扫描因分割错误被排除。外部验证中的性能下降幅度微小（通常<0.02），证实了模型在跨中心数据上的良好泛化能力。

标志点识别的误差与观察者间变异相当，且在内部与外部数据间无显著差异。移植物位置误差（AI vs 人工）为2.70 mm（内部）与2.45 mm（外部），显著低于观察者间变异（4.76 mm，p = .002与p = .015）。这一发现具有直接的临床含义：AI在评估移植物移位——一个以毫米级精度要求著称的任务——方面可能比人类专家更为可靠。

3.2 内漏检测：外部验证中的AUC稳定性

AI在内漏检测中取得了内部AUC 0.87、外部AUC 0.85的表现。内部中心的敏感性为0.85、特异性为0.78、准确性为0.81；外部中心的相应指标为0.82、0.78、0.80。两组间无显著差异（Chi² = 1.288, p = .73），证实了模型在独立外部数据上的泛化能力。

这一性能与既往文献的比较需要审慎。Talebi等（2020）报告的机器学习模型在20例测试集上的AUC达到0.99，但样本量极小且未进行外部验证。Coatsaliou等（2024）使用PRAEVAorta 2在56例患者中报告了内漏检测的敏感性89.47%（95% CI 80.58-94.57%）、特异性91.25%（95% CI 83.02-95.70%）、阳性预测值90.67%、阴性预测值90.12%，但同样缺乏外部验证。相比之下，本研究的AUC虽略低于上述报告，但其外部验证的严谨性赋予了结果更高的证据等级。

值得注意的是，研究者在局限性中承认未进行内漏检测的观察者间变异评估。然而，考虑到内漏检测本身（尤其是II型内漏）在放射科医生间存在众所周知的不一致性，AI的AUC 0.85-0.87可能实际上处于人类专家表现的上限区间。II型内漏的自然史本身即充满争议：个体患者数据荟萃分析显示，检测到的II型内漏（无论治疗与否）与总体生存率无显著关联，但持续存在的II型内漏与瘤囊生长和再干预风险增加相关。

3.3 直径测量：与既有AI系统的横向比较

AI在1051次CTA（93%）中成功完成了最大AAA直径的自动测量。在未成功的82次扫描中，失败模式未在正文中详述，但这一比例提示AI管道仍存在可识别的技术边界。

直径测量的核心数据呈现如下特征：AI与人工测量的相关性在所有分析中均达到R ≥ 0.97，ICC ≥ 0.97。系统性偏差有限——术前CTA中AI倾向于轻微低估（内部-1.19 mm，外部-1.35 mm），但术后CTA中的偏差更小（内部-1.64 mm，外部-0.08 mm）。这一偏差模式的临床意义需要放在具体情境中理解：术前1-1.4 mm的低估相对于60 mm的典型直径仅为2%左右，远低于临床决策的阈值（通常为5 mm或10%的变化）。

与PRAEVAorta 2的外部验证数据比较：Hatzl等报告的ICC为0.972（95% CI 0.968-0.976），术前0.953、术后0.979。本研究的ICC范围（0.97-0.99）与之高度一致。Gatinot等（2025）的ASMOT验证研究纳入120次CT扫描（60次CTA，60次非对比CT），PRAEVAorta 2与半自动方法的相关系数在CTA中为0.94-0.96（R² = 0.88-0.92），非对比CT中为0.87-0.89（R² = 0.76-0.79），中位绝对差为1.1-4.2 mm，全自动方法的处理时间中位数为73秒（IQR 57-91），而半自动方法为700秒（IQR 613-800），差异显著（p < 0.001）。本研究的术前低估幅度（1.19-1.35 mm）处于这一范围的下限。

3.4 直径变化检测：本研究最具临床价值的发现

变化检测的表现才是该研究的差异化贡献所在。观察者间对直径变化的评估呈现高度不一致：差值中位数1.00 mm [-1.00, 1.75]，相关系数仅R = 0.52，ICC仅0.49 [0.163, 0.72]。这意味着，两位经验丰富的专家对同一患者“瘤囊是否在生长”的判断，其一致性仅处于“中等”水平。

相比之下，AI与人工参考之间的变化测量一致性显著更高。在术前至术后1年区间：内部R = 0.73，外部R = 0.87；ICC分别为0.72与0.85。在术前至全部术后区间：内部R = 0.84，外部R = 0.96；ICC分别为0.84与0.95。在首次至末次术后区间：内部R = 0.99，外部R = 0.97；ICC分别为0.98与0.97。

这一发现的临床含义深远而具体。ESVS 2024指南在讨论EVAR术后瘤囊行为时，承认“缺乏关于最佳监测间隔和影像模态的高质量证据”。当测量工具的变异（观察者间变化检测ICC = 0.49）接近甚至超过临床决策阈值时，任何监测方案的临床可操作性都将受到严重制约。AI在“首次至末次术后”区间中ICC 0.97-0.98的表现，意味着AI对长期直径变化的测量几乎不受随机误差的干扰，其报告的变化值更可能反映真实的生物学过程。这对于评估ESVS指南建议的“瘤囊直径增加≥10 mm或增速>5 mm/年”等再干预阈值具有直接的实践价值。

原文中Figure 1展示了基于三维强度分割的计算机断层扫描血管造影（CTA）分割掩模与解剖/假体标志点，用于腹主动脉瘤腔内修复术（EVAR）前（A，左侧）与术后（B，右侧）的主动脉评估。图中以蓝色标示主动脉管腔，黄色分别标示术前附壁血栓（左）与术后被支架移植物排除的主动脉（右），红色则标示内漏（EL）区域；红色球体代表解剖与假体相关标志点，包括腹腔干、肠系膜上动脉、肾动脉、动脉瘤起始处、主动脉分叉、动脉瘤远端，以及术后额外的近端支架着陆点、移植物织物组件近端起点和远端支架着陆点。该图直观呈现了AI分割模型所识别的关键结构，为术前解剖评估与术后并发症（如内漏和支架位置）监测提供了可视化依据。

4. 方法学贡献与局限性的审慎审视

4.1 方法学优势的系统梳理

该研究在方法学上具有若干值得称道的设计选择。双中心验证架构是其最核心的方法学优势：内部中心用于训练与内部验证，外部中心完全独立，避免了数据泄漏。外部数据集（838次CTA）的规模显著超越了多数已发表AI验证研究，为性能评估提供了充分的统计功效。

任务特异性采样策略体现了研究者在统计功效与标注成本之间的审慎权衡。分割与标志点评估使用70例随机选择的CTA（30术前，40术后），而直径与内漏评估使用全部可用数据。这一策略的合理性在于：分割性能的评估需要精确的体素级标注，成本高昂；而直径测量的评估仅需最大直径的数值标注，成本较低，因此可以使用更大的样本。

与临床实践的对齐是另一个值得强调的设计特征。直径测量的双模式设计（垂直中心线vs轴位）反映了研究者对“AI需融入而非替代现有工作流”的深刻理解。在不同机构采用不同测量协议的现实世界中，一个只能输出单一测量模式的AI系统将难以获得广泛接受。

4.2 局限性的诚实呈现与深层解读

研究者在局限性部分列出了若干重要限制。仅分析动脉期CTA意味着仅在延迟期显影的内漏可能被遗漏。II型内漏通常需要延迟期才能与血栓或钙化区分，而Ia型内漏在动脉期通常可见。因此，AI内漏检测的AUC可能对II型内漏存在系统性低估。

未进行内漏检测的观察者间变异评估限制了将AI性能与人类专家直接比较的能力。然而，考虑到内漏检测在放射科医生间的已知不一致性，这一缺失的严重程度可能被高估。

AI偶尔无法识别标志点或测量直径（7%的测量失败率），且失败模式未被系统分析。Hatzl等在PRAEVAorta 2的外部验证中报告了10%的扫描因分割错误被排除，主要原因为肾动脉或主动脉分叉识别失败，以及将十二指肠、下腔静脉或主动脉分支误判为AAA外边界。本研究的失败率略低，但缺乏对失败模式的系统分析，使临床医生无法预判哪些患者可能不适合AI分析。

性别特异性分析因女性患者仅占4%而无法进行——这一比例反映了AAA流行病学的真实性别分布，但也使研究无法回应女性AAA患者预后更差的临床关切。女性主动脉直径普遍较男性细，AAA在女性中的破裂风险更高、修复后死亡率更高。AI模型在女性中的表现——尤其是直径测量可能存在的系统性偏差——需要专门验证。

移植物移位的评估使用中肾动脉标志点至近端移植物的距离，若随访中出现“肾间”主动脉延长，可能人为增加迁移距离的测量值。这一方法学局限在临床实践中需要审慎解读。

AI管道在非标准EVAR中的适用性未得到验证。本研究纳入的是标准分叉型支架移植物（Zenith Alpha），而FEVAR或开窗/分支支架的金属伪影模式、标志点解剖关系和瘤囊行为可能显著不同。Hatzl等明确指出，其PRAEVAorta 2验证结果“可能不适用于非标准EVAR，如开窗或分支手术”。本研究的AI管道是否能够泛化至复杂EVAR，需要专门验证。值得注意的是，ASMOT验证研究纳入了1例开窗EVAR，但样本量极小（120次CT中仅1例），不足以评估AI在复杂EVAR中的性能。

4.3 与领域内其他AI系统的比较

PRAEVAorta 2（Nurea, Bordeaux）是目前欧洲CE认证的商用AAA影像分析软件，已在ZEPHYR注册研究等多项工作中得到评估。ARVA（Incepto Medical, France）在Adam等的研究中报告了与临床医生测量相当的直径测量精度（中位绝对差1.2 mm）。VascAI©（Long等）采用不同的技术路径——直接使用术前3D CT图像预测术后并发症风险，而非进行分割或测量。

本研究的AI管道在分割Dice评分和内漏AUC方面与上述系统处于同一性能区间。其差异化优势在于变化检测能力的量化评估，这是现有商用系统验证研究中尚未系统涉及的维度。此外，本研究采用的nnU-Net框架具有开源、可复现的优势，而商用系统的算法细节通常不公开，限制了独立验证和持续改进。

5. 全球血管外科AI领域的进展对接

5.1 从孤立任务到整合管道：AI在EVAR管理中的角色演进

新世纪以来，AI在血管外科的应用经历了从“概念验证”到“系统整合”的范式转变。早期研究（2010年代前期）多聚焦于单一任务。López-Linares等（2018）使用深度卷积神经网络进行术后血栓分割，Dice评分超过82%。Karthikesalingam等（2015）使用人工神经网络基于术前形态学特征预测EVAR术后再干预和死亡风险，在外部验证中5年免于主动脉并发症率在高风险组与低风险组间分别为67.9%与95.9%。

中期（2020-2023）出现了多任务整合的趋势。Caradu等的PRAEVAorta系列工作逐步将分割、直径测量、体积评估整合于统一平台。Robbi等（2025）的BRAVE系统是“第一个综合性AI驱动的血管分割与AAA分析解决方案”，不仅分割主动脉主干，还识别次要血管、量化血栓与钙化、自动确定近端与远端密封区。

本研究代表了这一演进的最新阶段：全流程覆盖（术前评估+术后监测）、多任务并行（分割+标志点+内漏+直径+变化）、外部验证（双中心设计）。这一整合程度在现有文献中具有领先性。

5.2 从形态学到功能学：AAA风险评估范式的拓展

传统AAA管理依赖直径阈值（男性≥55 mm，女性≥50 mm）决定干预时机，但这一范式的局限性日益显现。Oh等（2025）的多模态深度学习模型整合了ResNet提取的CT图像特征、基于CT标注的放射组学几何特征、以及临床特征（年龄、合并症等），在561例AAA患者中预测快速进展（>2.5 mm/年）的AUC达到0.807，显著优于仅使用临床数据（AUC 0.716）或仅使用几何特征（AUC 0.715）的模型。

AI的介入正在推动风险评估从“形态学阈值”向“多参数整合”的转变。Dinc等（2025）综述了AI驱动的血管内装置选择决策支持系统，涵盖自动中心线提取、密封不良预测、内漏风险分层等维度。Gueldner等（2025）展示了AI在主动脉生物力学分析中的加速作用，通过预测壁应力辅助破裂风险评估。本研究的直径变化检测能力，从纵向维度补充了瘤囊行为评估。

5.3 从影像到多模态：EVAR预后预测的信息融合趋势

本研究的纯影像学聚焦是其局限，也是其优势——纯影像特征的可解释性优于多模态黑箱模型。然而，领域趋势明确指向多模态融合。

Oh等（2025）的多模态模型代表了这一方向的最新进展，其整合了临床变量（COPD、糖尿病、吸烟状态、性别、年龄、初始AAA大小）与CT图像特征和几何特征。Choi等（2026）的stacking ensemble模型整合了34个变量，包括人口学、合并症、实验室指标，在12,312例患者中预测AAA相关死亡，时间依赖C-index达0.759（30天）。Nishibe等（2025）的随机森林模型识别出营养状态、免疫状态、癌症活动性等非影像预测因子。

本研究的影像学标志物（如直径变化速率）若与上述临床变量整合，可能产生增量预测价值。Lareyre等（2025）的欧洲研究枢纽方案计划在500例患者中前瞻性验证PRAEVAorta 2的预后预测能力，该研究将回顾性纳入接受择期EVAR的患者，主要结局包括术后1年和中期（1-3年）的死亡、再干预、内漏、肢体闭塞和支架移植物移位，次要结局为主动脉解剖变化。形态学变化将基于术前和术后CTA图像（术后1-12个月及末次随访）使用PRAEVAorta 2进行分析，深度学习算法将用于将术后结局风险分为低风险或高风险类别，训练集和测试集分别占队列的70%和30%。这代表了领域向前瞻性验证迈进的努力。

5.4 从单中心到多中心：外部验证作为临床转化的必经之路

本研究的双中心架构是对领域内“外部验证缺失”这一系统性短板的直接回应。Bozzani等（2026）的叙事综述指出，尽管AI在血管外科的研究数量激增，但真实世界临床实施仍然有限，外部验证不足是核心障碍之一。

Hatzl等的PRAEVAorta 2外部验证（ZEPHYR注册研究，871次CTA）和Gatinot等的ASMOT验证研究（120次CT，含非对比CT）代表了领域内外部验证的标杆性工作。本研究的贡献在于将外部验证的范畴从“单一时点测量”扩展到“纵向变化检测”，这是临床转化的关键维度。

5.5 从影像到术中：AI在EVAR全流程中的渗透

本研究的聚焦点是术前评估与术后监测，但AI在EVAR领域的应用已延伸至术中。van Schaik等（2026）报道了Cydar Maps AI驱动软件在破裂AAA的EVAR中整合术前CTA与实时透视，辅助术中导航。Patel等（2023）的研究显示，AI智能地图使复杂主动脉瘤EVAR的辐射暴露从3755 mGy降至1955 mGy（p = .004），透视时间从86.9分钟降至55.6分钟（p = .007），对比剂用量从199 mL降至123 mL（p < .0001）。Bailey等（2023）的云融合成像平台在FEVAR中也取得了类似的有益效果。

Chamseddine等（2026）使用深度学习神经网络分析F-BEVAR的学习曲线，发现主要不良事件率在40-70例手术后达到学习平台（从31.0%降至23%），技术成功率从91%升至96%。这些术中AI应用与本研究的外科AI管道形成了互补：术前/术后分析提供“离线”的解剖与变化评估，术中AI提供“在线”的导航与决策支持。

6. 临床转化前景与审慎展望

6.1 短期应用：辅助直径测量与变化追踪

最直接的临床转化场景是辅助直径测量。AI的93%成功率和与人工测量的高度一致性（R ≥ 0.97, ICC ≥ 0.97），使其可用于临床工作流中的“第一读者”角色。系统自动生成直径测量与变化趋势报告，由血管外科医生审核确认。对于7%的测量失败，系统可标记需人工复核的扫描，形成人机协作的质量控制闭环。

Sharma等的研究为此提供了直接的临床决策证据：AI辅助测量在“是否需要AAA修复”的决策一致性上达到完美（Kappa = 1），而传统方法仅为0.55-0.70。更值得注意的是，基线AI辅助直径测量能够预测实际修复需求（每毫米直径增加的HR为1.12，95% CI 1.03-1.22，P < 0.001）。这一发现提示，AI测量的“稳定性”可能使其成为比人工测量更有效的预后标志物。

在变化追踪方面，AI的“优于观察者间变异”的表现意味着，当AI报告“直径增加2 mm”时，这一信号比两位专家的一致判断更为可靠。ESVS 2024指南建议的再干预阈值（直径增加≥10 mm或增速>5 mm/年）在AI稳定测量的基础上将更具可操作性。

6.2 中期应用：内漏自动检测与风险分层

内漏检测的AUC 0.85-0.87虽未达到完美，但在外部验证中保持了稳定性。其潜在应用场景包括：对大量随访CTA进行初筛，标记可疑内漏病例供专家复核；对内漏体积的纵向变化进行定量追踪，辅助判断II型内漏的侵袭性。

Coatsaliou等的研究表明，AI检测的内漏与EVAR相关不良事件存在关联，瘤囊体积变化对不良事件的预测优于直径变化（AUC 0.7806 vs 0.7277）。在检测内漏方面，PRAEVAorta 2的敏感性为89.47%（95% CI 80.58-94.57%）、特异性为91.25%（95% CI 83.02-95.70%）。van Tongeren等发现AI在体积演变的分类中具有更优的可靠性，但AI与半自动方法在“瘤囊回归/稳定/生长”分类上的Kappa仅为0.33，24%的病例存在分歧。这些发现提示，直径与体积的纵向变化可能提供互补的信息，未来AI管道若能整合两者，可能实现更精准的风险分层。

6.3 远期愿景：个体化监测策略与“数字孪生”

当前EVAR监测遵循“一刀切”的年度CTA方案，但患者并发症风险高度异质。Blecha等的研究提示，在某些亚组中（择期修复、年龄较大、术前AAA直径较小、一年随访时瘤囊缩小>5 mm），DUS-only监测可能提供与CTA相当甚至更优的远期结局。AI驱动的风险分层可能实现监测频率与模态的个体化调整。

Long等（2024）的VascAI©模型展示了这一可能性：基于术前3D CT图像预测术后并发症，敏感性达100%，可识别56%的低风险患者可能不需要如此密集的监测。更进一步，“数字孪生”概念——基于患者CTA数据构建的个体化计算模型，整合血流动力学、壁应力、移植物-主动脉相互作用——正在从概念走向验证。Cho等（2025）的物理信息数字孪生模型在预测Ia型内漏中取得了AUC 0.85、阴性预测值100%的初步结果。本研究的自动化分割与标志点识别能力，正是此类数字孪生模型的前置技术组件。

6.4 转化障碍的冷思考

然而，临床转化面临若干不可忽视的障碍。监管路径尚不清晰：作为临床决策支持工具的AI软件，其监管分类（Software as a Medical Device, SaMD）与审批要求仍在演进中。责任归属问题未决：当AI测量提示“稳定”而临床医生据此决定不干预，但患者随后发生破裂，责任如何分配？工作流整合的成本：现有PACS系统与AI平台的对接需要IT基础设施投资，且AI报告的解读本身需要培训。

算法偏倚是另一个深层关切。本研究队列中女性仅占4%，无法评估性别特异性表现。女性主动脉直径普遍较男性细，ESVS指南承认“传统最大直径标准未考虑女性较小的基线主动脉直径”。AI模型在女性中的表现需要专门验证。此外，研究队列的种族/族裔构成未报告，可能影响模型在不同人群中的泛化能力。

与现有监测模式的协调是另一个需要审慎考虑的问题。Blecha等的研究提示，在某些患者亚组中，单纯DUS监测可能优于CTA监测。AI管道若仅针对CTA设计，可能无法适应DUS监测的临床场景。未来AI系统应具备多模态适应性，或至少能够与DUS监测结果进行整合。

7. 结语：范式转换的临界点

Garrido-Oliver等的这项研究，其价值不在于任何单一性能指标的突破。分割精度、内漏AUC、直径相关性均与既往文献处于同一区间。PRAEVAorta 2在ZEPHYR注册研究中的外部验证数据（ICC 0.972）与本研究（ICC 0.97-0.99）在统计上难以区分。

其真正的贡献在于重新定义了AI在EVAR监测中的价值主张：AI的优势不仅在于“更快”或“更省力”，而在于比人类观察者更可靠地检测变化。

这一发现的意义超越了技术层面。EVAR术后监测的核心临床问题——“这个瘤囊在生长吗？”——长期以来受制于测量工具的噪声。Sharma等的数据显示，传统直径测量的重复性系数为1.9-5.6 mm，接近甚至超过年增长率的典型值（0.3 cm/年 = 3 mm/年）。在这种信噪比条件下，“检测变化”本质上是一个统计学上不稳定的任务。当AI能够以低于观察者间变异的水平（变化检测ICC 0.97-0.98 vs 观察者间ICC 0.49）回答这一问题时，监测的逻辑基础发生了根本性转变。

当然，从回顾性验证到前瞻性临床实施，仍有漫长的路要走。监管审批、工作流整合、算法偏倚的评估、与现有监测模式（包括DUS-only策略）的协调，都是需要逐一解决的现实问题。但该研究为这一旅程提供了迄今为止最坚实的证据基础之一。当血管外科医生在未来某一天收到一份AI生成的报告——“该患者AAA直径在12个月内增加3.2 mm，增速超过预期，建议提前干预评估”——他们可以更有信心地相信，这个数字反映了真实的生物学变化，而非测量噪声的随机游走。这，正是精准血管外科的应有之义。

综合表格

表1 研究队列基线特征（内部中心）

表2 研究队列基线特征（外部中心）

表3 随访与内漏特征

表4 合并症分布（内部中心）

表5 合并症分布（内部中心续）

表6 合并症分布（外部中心）

表7 合并症分布（外部中心续）

表8 AI分割性能（内部中心）

表9 AI分割性能（内部中心续）

表10 AI分割性能（外部中心）

表11 AI分割性能（外部中心续）

表12 标志点定位与移植物位置误差（内部中心，mm）

表13 标志点定位与移植物位置误差（外部中心，mm）

表14 内漏检测性能

表15 最大AAA直径测量性能（术前，内部中心）

表16 最大AAA直径测量性能（术前，外部中心）

表17 最大AAA直径测量性能（术后，内部中心）

表18 最大AAA直径测量性能（术后，外部中心）

表19 直径变化检测性能（术前至术后1年）

表20 直径变化检测性能（术前至全部术后）

表21 直径变化检测性能（首次至末次术后）

表22 观察者间变异与AI变化检测性能对比

表23 AI变化检测性能（外部验证）

表24 领域内主要AI影像分析研究对比

表25 领域内主要AI影像分析研究性能对比

表26 AI辅助测量与传统测量的重复性对比

表27 AI辅助测量的预后预测价值

表28 DUS-only与CT/MRI-only监测的远期结局对比

表29 AI在EVAR管理中应用场景的成熟度评估

表30 AI在EVAR管理中应用场景的转化状态

表31 标志点/移植物定位与预后预测的成熟度评估

德富、国富、玉成、聖石、丽强、禹杰、雲飛、

游雲、传奇、Lyu (武汉协和).

Wuhan Union Hospital