术后切口感染，AI看一眼照片就知道？JAMA子刊这样说……

*仅供医学专业人士阅读参考

AI识别切口感染，能不能行

撰文 | 易艾蓝

手术部位感染（SSI）是术后最常见的并发症之一，发生率约为1%～3%[1]，且多数感染在患者出院后才出现。如果未能及时发现SSI，就可能导致患者出现感染加重、恢复延迟，甚至再入院的情况。为及时识别SSI，基于切口照片的远程切口评估正在逐步推广，但人工审阅照片增加了医护人员的工作负担，且远程随访中的SSI漏报问题也仍然存在。若能利用AI，根据感染风险对切口照片进行排序，有望帮助临床优先筛查可疑病例，将注意力集中在最需要处理的患者上。

2026年8月26日，发表于JAMA Surgery的一项研究，基于近5000张回顾性切口照片训练模型，并在一组前瞻性收集的照片中完成了外部验证，为AI辅助SSI分诊提供了新的证据[2]。

近5000张照片训练，前瞻队列外部验证

该研究收集了荷兰、比利时和德国多个临床试验的4978张合格切口照片，将其分为三部分：大部分用于训练模型，一部分作为内部验证集，在训练过程中检查模型表现，另随机抽取15%（747张）作为内部测试集——这些照片完全不参与训练，专门用来评估模型在“同一来源”数据上的表现。外部验证则使用来自荷兰阿姆斯特丹大学医学中心，前瞻性收集的407张照片（来自95名患者，全部由患者按标准化说明拍摄），以测试模型在完全不同的环境和人群中的表现。

在模型架构选择上，研究团队比较了多种卷积神经网络，最终选中了在内部测试集上表现最佳的InceptionV3（图1）。模型的任务是根据切口照片输出“可疑SSI”的概率。这里的“可疑SSI”并非临床确诊，而是由两名外科住院医师根据照片上能看到的感染迹象（如化脓性引流、肿胀、红斑和切口裂开）进行人工标注（参考了美国疾病控制与预防中心（CDC）制定的切口感染监测标准），但仅限于从照片上能判断的部分，不包含发热、病原学检查等临床信息。当两名医师意见不一致时，由第三人裁决。

图1 模型学习曲线。横轴为训练周期，纵轴为损失值和准确率。曲线显示训练和验证损失在约10个周期后进入平台期，准确率稳定，提示模型训练收敛良好。

研究从三个维度评估模型性能。第一，区分能力，用受试者工作特征曲线下面积（AUC）衡量。AUC可以理解为：随机挑出一张感染照片和一张非感染照片，模型给感染照片打更高风险分的概率。第二，校准，即模型预测的风险概率与真实感染比例有多接近。第三，临床效用，即用决策曲线分析判断：如果按模型预测的风险概率来决定谁需要优先就诊，与“全部就诊”或“全部不就诊”相比，能否帮助医生多识别真正感染的患者，同时减少对未感染者的不必要转诊。

AI交出了怎样的答卷？

研究主要结果如下：

内部测试：模型区分感染与不感染的能力达0.91

该研究的内部测试显示，模型区分感染与非感染切口的能力很强（图2），AUC为0.91（95% CI 0.88-0.93），意味着在100次这样的“二选一”中，模型大约91次能排对。校准也良好；预测风险与观察到的SSI风险平均差异仅5%。决策曲线分析显示在广泛的阈值概率范围内具有净获益。

图2 模型在内部测试集上的性能。A. ROC曲线（AUC=0.91）；B. 校准曲线（平均误差5%）；C. 决策曲线（广泛阈值范围内有净获益）。

外部验证：模型区分能力尚可但有“虚高”风险

在外部验证中，模型AUC为0.82（95% CI 0.75-0.90），低于内部测试的0.91，意味着模型在100次“二选一”中大约能排对82次，区分能力仍可接受。

但校准明显偏移：模型系统性地高估了感染风险，平均误差达21%。也就是说，模型在新环境中“过于紧张”，把很多不感染的切口也判成了高风险。

研究指出，模型在外部验证中高估感染风险，可能与两个数据集差异有关：训练集中可疑感染占36.6%，而外部验证集仅为8.6%；此外，外部验证还包含训练数据中未出现的血管外科切口类型。为了纠正高估问题，研究人员利用外部验证数据中已知的感染结局对模型进行了重新校准，使预测更贴合实际。但重新校准用的是外部验证数据里已经标注好的感染结局，相当于“对着答案改卷”，可能导致模型在外部数据上的表现被高估，未必能代表其在真实世界的水平。

模型关注点：正确时聚焦切口特征，错误时受干血等干扰

除了性能指标，研究还通过梯度加权类激活映射（Grad-CAM）热图观察了模型关注点（如图3）：在正确分类的案例中，模型可聚焦切口边缘、渗出物和红斑；在错误分类中，模型则容易被干血或邻近结构（如脚趾）干扰[2]。此外，研究还将内部测试集和重新校准后的外部验证集的模型预测概率合并展示（如图3），观察高感染风险与低感染风险图像的分布，但未报告具体统计指标。

图3 模型预测风险分布与关注区域。中间图为内部测试集与重新校准后外部验证集合并点图，每个点代表一张照片，颜色区分“可疑SSI”与“不怀疑SSI”；四角图为四个代表性案例的Grad-CAM 热图，高亮区域显示模型判断依据。

小结

需注意，本研究存在局限：模型学习的是住院医师的视觉怀疑，而非CDC标准下的确诊，训练数据没有记录患者的年龄、合并症、手术类型等基本信息，因此无法分析模型在不同人群中的表现差异，外部验证队列全为白人，无法评估跨肤色公平性；模型也仅针对切口SSI。同期评论也强调，这项研究最关键的局限在于参考标准：模型能学到的只是医生看照片时的怀疑，而不是确诊感染[3]。

研究指出，即便存在这些局限，模型的合理定位仍清晰：支持分诊和优先级排序，而非取代临床诊断。它的最大价值在于识别那些模糊或早期感染。未来还需前瞻性研究验证，并将此模型嵌入电子健康记录系统，使其成为远程切口管理中的可靠排序工具[1]。

参考文献：

[1] Gillespie BM, et al. Worldwide incidence of surgical site infections in general surgical patients: a systematic review and meta-analysis of 488,594 patients. Int J Surg. 2021;95:106136.

[2] Bontekoning N, Huisman H, Segura Cabrera PJ, et al; WoundQuest Study Group. Detecting incisional surgical site infections on wound images through deep learning. JAMA Surg. Published online August 26, 2026. doi:10.1001/jamasurg.2026.3738

[3] Aalami OO. What wound photographs can and cannot diagnose. JAMA Surg. Published online August 26, 2026. doi:10.1001/jamasurg.2026.3748

本文来源：医学界外科频道

责任编辑：蔡璇

*“医学界”力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。