医学影像AI更新算法后，旧版测试结果还能沿用吗？

医学影像AI模型在投稿前常会继续改：重训权重、调整阈值、修复预处理代码或替换图像解码库。若正文报告的是旧版测试成绩，实际提交的代码却已变成新版，读者无法确定表格评价了哪一个模型。即使网络结构名称相同，只要模型输出可能改变，旧成绩也不能不经核对直接沿用。处理办法是给“数据、预处理、权重、决策阈值和测试”建立一条明确的版本线。

先定义改变属于哪一层

记录每次修改的日期、原因和影响对象。只改图表排版，不改变预测值，可以说明数据分析文件仍指向同一结果；更新训练样本、标签、模型权重、图像窗宽、重采样、后处理或阈值，则可能改变单例预测。即使只是修正软件错误，也要列出受影响病例与指标，而不是把它称为“无关紧要的维护”。CLAIM 2024要求交代模型结构、输入输出、预处理与软件配置，并说明最终模型及测试流程；稿件应能将这些信息对应到同一个可执行版本。

把旧结果与新版结果并排核对

保存旧版权重、配置、代码标识和测试集病例清单，冻结新版后，在同一套预先定义的测试病例和参考标准上重新运行。比较总体指标之外，还应列出预测改变的病例数、主要亚组和置信区间。若病例图像或标签也更新了，应把“模型变化”和“测试依据变化”分开报告，不能把两者混在一张差值表里。旧表可作为研发过程记录；最终稿的主要性能表应清楚注明对应的模型、数据和预处理版本。

不把测试集变成反复调参集

如果作者看了外部测试结果后调整阈值或选择更好的权重，再在同一批病例上展示“新版外部测试”，这批数据已参与模型选择。可以诚实说明这一过程，并准备真正未用于调参的独立样本评估新版；若暂时没有，不应继续把改版后的同一批病例称为独立外部测试。美国医学物理师协会的医学影像AI实践报告强调，独立测试集应代表预期用途，且不能用于模型优化。版本修订记录要把测试反馈何时被看到写清。

稿件、附录和可用文件写同一个版本

方法段写训练数据截止时间、模型选择规则、软件依赖和最终权重标识；结果表脚注写测试日期与版本。若提供代码或模型下载，保证链接指向的版本与文中一致，或明确列出公开版与测试版的差别。补充材料里的流程图、错误案例和推断阈值也应重查。对于上线后持续学习的系统，还须说明论文评估的是固定快照，而不是把未来会变的模型性能提前宣称为已验证。

投稿前从结果表任选一例预测改变的病例，追到旧版和新版输入、权重、阈值、输出和参考标签。若连这例差异都无法解释，应先补齐版本记录和重跑结果，再选择最终表格。版本记录应让读者复现论文表格对应的那一次评估。

参考信息：CLAIM 2024医学影像AI报告清单；美国医学物理师协会AI与医学影像任务组实践报告。