Sodium fluoride

前言 最近这段时间大盘整体维持震荡分化的格局，板块轮动速度明显加快，不少散户朋友都觉得选股难度大幅提升。追涨高位赛道怕回调被套，布局低位板块又担心长期没有资金关注，拿着反复横跳消磨耐心。 其实在结构性行情里，不用盲目追逐短期暴涨的题材小票，真正能走出中长期上涨行情的标的，都离不开三大核心支撑：产业政策持续扶持、行业供需格局持续改善、上市公司自身业绩能够稳步兑现。脱离基本面纯靠消息炒作的个股，行情来得快去得更快，普通投资者很难把握卖出节点，最后大多是高位接盘。 结合2026年十五五规划产业导向、上半年行业公开经营数据、各大券商中期策略研报以及7月中报业绩预告情况，我梳理出三条具备3-12个月中长期上行逻辑的优质赛道，每条赛道筛选出一家行业核心龙头企业，客观拆解行业发展空间、公司核心竞争优势、当前存在的潜在风险，全文所有数据、产业信息均来自公开权威渠道，只做行业与企业基本面知识分享，不做任何买入、持有、卖出操作指导。 下文会分赛道逐一讲解，先给大家讲清楚筛选潜力个股的统一标准，再分别拆解三家企业完整逻辑，最后聊聊普通散户布局中长期趋势股的实操思路。 一、筛选中长期趋势潜力标的四大硬性标准 在正式介绍个股之前，先和大家说清楚我筛选标的时固定执行的四条判断标准，所有入选企业必须全部满足，缺少任意一条直接排除，从根源上避开题材垃圾股： 1. 产业逻辑具备长期持续性，非短期一次性题材 很多板块行情只持续1-2个月，靠政策短期利好、临时涨价消息刺激，利好落地后资金快速撤离，股价直接回落。本次筛选的赛道均是十五五明确划定的支柱产业，行业成长周期至少3-5年，每年都有持续新增需求释放，不会出现利好兑现即行情结束的情况。 2. 上市公司业绩有确定性增长支撑，中报、三季报具备兑现预期 2026年下半年市场资金风格发生明显转变，单纯靠故事、没有订单、持续亏损的企业，即便短期冲高，也很难走出持续行情。机构资金现在优先布局半年报、三季报能够实现营收、净利润同比大幅增长的企业，有实实在在的利润增长托底，股价回调后会有资金承接，回撤幅度相对可控。 3. 企业拥有行业不可替代的核心壁垒，国产替代空间充足 不管是技术专利、产能规模、客户资源还是产业链渠道，公司必须占据细分赛道头部位置，行业内第二名、第三名很难短时间追赶。同时业务存在大量进口替代空间，海外供应链供给受限的背景下，国内企业订单持续向头部集中，市场份额逐年提升。 4. 当前估值处于合理区间，不存在严重泡沫化 上半年部分算力下游硬件标的经过连续上涨，估值已经透支未来2-3年业绩，回调风险极大。本次筛选标的均处于产业链中上游细分环节，上半年涨幅相对温和，当前估值分位处于近三年中等水平，不存在极端高估，中长期持有性价比更高。 满足以上四条标准的企业，才具备走出持续趋势行情的基础，下面进入三条核心赛道与对应潜力企业的完整分析。 二、第一只潜力标的：半导体上游电子特气龙头，AI芯片制造刚需赛道 （一）赛道底层逻辑：AI算力扩产+国产替代双轮驱动，行业进入量价齐升周期 半导体电子特气是芯片制造全流程不可或缺的基础原材料，晶圆清洗、刻蚀、薄膜沉积每一道工序都要用到不同品类特种气体，行业有“半导体工业空气”的说法，没有自主可控的特气供给，国内晶圆厂、AI芯片产能扩张都会受到限制。 放在2026年当下，这条赛道迎来三重长期利好共振： 第一，十五五将集成电路列为四大新兴支柱产业之首，国家大基金三期70%资金全部投向半导体设备、材料环节，地方配套产业补贴持续落地，政策层面全方位推动上游材料自主可控。过去国内高端电子特气长期依赖欧美、日本企业进口，海外厂商频繁通过涨价、限供制约国内芯片产业发展，自主化已经是行业必然趋势。 第二，全球AI算力资本开支持续加码，海内外各大云厂商、芯片企业持续新建智算中心，12英寸高端晶圆厂集中投产扩产。权威行业机构数据显示，2026年全球硅片市场规模回升至120亿美元，晶圆产能持续释放直接带动电子特气需求稳步增长，行业正式走出前两年库存低迷周期，进入量价齐升上行通道。尤其是六氟化钨、氟化氢等高端特气，7月海外供给收紧，行业涨价周期正式开启，头部企业产品毛利率持续上行。 第三，国产特气企业技术实现持续突破，成熟制程特气国产化率已经突破40%，头部企业多款高端产品通过台积电、中芯国际、长江存储等头部晶圆厂认证，大批量进入稳定供货阶段，订单能见度直接锁定至2027年，业绩增长确定性极强。 从资金流向来看，上半年市场资金集中炒作AI服务器、高速光模块等下游硬件，板块估值快速走高；进入7月，机构资金开始高低切换，持续流入估值更低、业绩稳健兑现的半导体上游材料，电子特气细分赛道已经出现连续资金净流入，是下半年科技主线核心布局方向。 （二）企业核心竞争优势拆解 本次筛选的电子特气龙头企业，是国内品类布局最齐全、高端产品认证进度最快的本土厂商，核心优势分为四点： 1. 产品矩阵覆盖全品类，高端产品打破海外垄断 公司目前量产20余种半导体核心特种气体，覆盖刻蚀、沉积、清洗全流程所需材料，其中多款超高纯度氟类特气、硅基特气，此前长期被海外三家企业垄断。经过多年研发投入，公司产品纯度达到全球一线标准，成功进入国内头部晶圆厂供应链，是国内少数能够批量供应12英寸先进制程芯片特气的本土企业。 2. 客户资源壁垒深厚，绑定国内绝大多数头部晶圆厂 国内中芯国际、华虹半导体、长江存储、长鑫存储等主流晶圆制造企业，均是公司长期稳定合作客户，同时逐步进入国内AI芯片设计企业配套供应链。晶圆厂更换特气供应商认证周期长达1-3年，一旦完成批量供货，合作周期普遍在5年以上，客户粘性极强，能够保障公司每年稳定新增订单。 3. 产能持续扩建，匹配下游持续增长需求 公司近年持续加码高端特气生产基地建设，2026年多条新建产线逐步投产，高端产品年产能直接翻倍。当前海外厂商产能扩张速度缓慢，供给存在刚性瓶颈，国内晶圆厂扩产带来的新增需求，绝大部分由本土头部企业承接，产能释放直接转化为营收增量。 4. 研发投入稳定，技术迭代紧跟行业发展 每年持续拿出营收8%以上资金投入新材料研发，搭建完整的特气提纯、检测实验室，同步布局适配下一代先进制程芯片的全新特种气体，不会出现技术迭代落后、产品淘汰的风险，长期成长天花板持续打开。 （三）业绩预期与行业增长空间 结合公司已披露的一季度财报、上半年订单公告以及券商行业测算数据，2026年全年公司营收、净利润有望实现同比45%以上增长。上半年多条新产线投产，高端高毛利产品销售占比持续提升，整体毛利率稳步上行，7-8月发布半年报时，大概率会迎来业绩预增催化。 中长期来看，当前国内高端电子特气整体国产化率不足20%，对比成熟制程40%的替代水平，还有翻倍以上提升空间。按照行业机构测算，到2030年国内半导体特气市场规模将突破300亿元，公司作为行业龙头，市场份额有望持续提升至25%以上，长期成长空间充足。 （四）赛道与企业潜在风险（客观提示） 1. 海外特气厂商加速在国内建厂扩产，加剧行业市场竞争，压缩产品盈利空间； 2. 全球AI资本开支落地进度不及预期，晶圆厂扩产放缓，下游需求增长低于预判； 3. 高端产品研发、客户认证进度不及计划，国产替代推进速度放缓； 4. 化工原材料价格大幅上涨，增加企业生产成本，拖累毛利率水平。 三、第二只潜力标的：储能逆变器核心龙头，新能源新型储能长坡厚雪赛道 （一）赛道底层逻辑：全球储能装机爆发，政策完善打开盈利空间 新型储能是能源转型核心配套产业，风电、光伏发电具备间歇性、波动性，想要大规模普及新能源发电，必须配套储能设备实现电能调峰、削谷，同时工商业、户用储能能够帮助企业、居民降低用电成本，海内外需求同步爆发 。 这条赛道四大长期支撑逻辑清晰： 第一，国内容量电价政策全面落地，储能电站投资回报率稳定维持在12%-15%，过去储能项目盈利模式模糊、投资回报周期长的痛点彻底解决，各地电网侧、工商业储能招标量持续翻倍增长。2026年国内多地出台储能配套强制政策，新建风光电站必须配套一定比例储能设备，行业新增需求有政策硬性兜底。 第二，海外市场需求持续放量，欧洲、东南亚、澳洲户用储能需求爆发，海外能源价格长期处于高位，居民安装储能配套光伏具备极强经济性。行业数据显示，2026年全球储能新增装机量达到438GWh，同比增长62%，2027年增速依旧维持50%以上，海内外市场双向拉动行业增长 。 第三，AI算力机房催生全新储能增量。智算中心、数据中心对供电稳定性要求极高，大型AIDC机房都会配套独立储能系统，保障算力设备不间断运行，这是储能赛道全新增量市场，此前市场关注度较低，后续会持续释放订单。 第四，行业技术路线稳定，逆变器是储能系统核心零部件，价值占整套储能设备30%左右，不管是大储、工商业储能还是户用储能，都离不开逆变器设备，细分赛道不会被新技术快速替代，行业成长周期长达十年以上。 从市场风格来看，新能源板块经过2024-2025年持续调整，板块整体估值处于近五年低位，2026年储能细分率先迎来基本面反转，企业订单、利润持续改善，机构资金开始分批左侧布局，属于兼具成长性与估值修复空间的赛道。 （二）企业核心竞争优势拆解 本次筛选的储能逆变器龙头，是全球储能逆变器出货量连续多年排名第一的企业，海内外双线布局，核心壁垒十分突出： 1. 全球市场份额遥遥领先，海外渠道覆盖完整 公司产品销往全球100多个国家和地区，在欧洲、澳洲、拉美户用储能市场占有率常年排名首位，海外经销商、本地化服务网点布局完善。海外储能市场门槛较高，需要适配各国电网标准、当地认证资质，新进入企业很难短期搭建完整海外渠道，龙头企业渠道壁垒难以突破。 2. 产品技术领先，覆盖全功率段储能逆变器 公司同步布局户用、工商业、大型电网储能全系列逆变器产品，自研功率芯片、储能控制算法，产品转换效率、安全性、使用寿命行业顶尖。同时提前布局液冷储能逆变器、高压储能全新技术路线，适配下一代大型储能电站需求，技术迭代始终走在行业前列。 3. 产业链一体化布局，成本控制能力行业顶尖 公司自建核心零部件产线，自主生产IGBT、电感、PCB等逆变器核心配件，不需要完全依赖外部采购，能够有效对冲上游原材料价格波动。在行业价格竞争阶段，稳定的成本优势能够保障企业毛利率不会大幅下滑，抗周期能力远超同行中小企业。 4. 产能规划匹配全球需求，订单交付能力充足 公司在国内、东南亚布局多处生产基地，持续扩产储能逆变器产能，当前在手订单已经排至2026年四季度，充足产能能够承接海内外持续增长的订单需求，营收增量确定性高。 （三）业绩预期与行业增长空间 2026年上半年海外户用储能订单同比增长70%以上，国内大型储能招标持续落地，公司储能业务营收占比提升至60%，成为核心利润来源。机构一致预测，公司2026年全年净利润同比增长40%左右，下半年海外旺季叠加国内储能项目集中交付，三季报业绩有望迎来加速增长。 中长期维度，全球新能源发电渗透率持续提升，储能配套需求同步扩张，叠加AI算力机房储能全新增量，行业未来五年年均复合增速维持50%以上。公司作为全球龙头，市场份额有望持续提升，储能业务营收规模具备翻倍增长潜力。 （四）赛道与企业潜在风险（客观提示） 1. 海外各国出台贸易壁垒、关税政策，增加产品出口成本，压缩海外业务利润； 2. 行业产能快速扩张，逆变器产品价格持续下跌，行业毛利率不断承压； 3. 锂、铜等上游原材料价格大幅上涨，生产成本提升； 4. 全球新能源装机增速不及预期，储能配套需求增长放缓。 四、第三只潜力标的：创新药出海龙头，生物医药长期成长赛道 （一）赛道底层逻辑：政策优化+全球化出海，国产创新药进入收获期 生物医药是十五五四大新兴支柱产业之一，过去几年市场对创新药板块存在两大误区：一是医保集采大幅压缩企业利润，二是国产新药只能局限国内市场，成长空间有限。2026年这两大逻辑全部发生根本性转变，板块迎来中长期修复行情。 赛道三大核心驱动逻辑： 第一，医保集采政策持续优化，降价幅度收窄，创新药企盈利环境改善。近两年医保谈判创新药平均降价幅度收窄至15%-20%，同时延长创新药医保准入周期，给予企业更长盈利窗口期；各地同步出台生物医药研发补贴，大额资金扶持企业新药研发，政策端从过去单纯控费转向鼓励创新。 第二，国产创新药出海进入黄金时代，BD授权、海外临床、海外销售全面突破。2026年一季度国内药企海外BD交易总额突破600亿美元，多款国产自研ADC、双特异性抗体、肿瘤靶向新药成功授权欧美大型药企，一次性首付款+分层销售分成，为企业带来稳定大额现金流。欧美专利药集中到期，国内药企研发成本、临床效率优势明显，全球化市场空间彻底打开。 第三，AI制药技术落地，大幅降低新药研发周期与成本。国内头部药企全面使用AI靶点筛选、AI临床模拟技术，新药研发周期缩短40%，研发成本下降45%，过去创新药研发投入大、失败率高的痛点得到有效缓解，每年稳定推出多款全新候选药物，管线储备持续丰富。 第四，人口老龄化持续加深，国内肿瘤、自身免疫疾病、慢性病用药需求逐年提升，国内创新药市场规模2026年突破1.3万亿元，当前国产创新药国内市场占比仅18%，对比美国65%的国产化占比，提升空间巨大。 创新药板块经过连续三年调整，绝大多数头部企业估值跌至历史极低区间，而新药商业化、海外授权带来利润持续增长，估值修复+业绩增长双重逻辑共振，是下半年具备稳健防御属性的成长赛道。 （二）企业核心竞争优势拆解 本次筛选的创新药龙头企业，是国内管线布局最完善、海外商业化进度最快的本土药企，核心竞争优势分为四点： 1. 丰富多元化新药管线，覆盖全球热门治疗靶点 公司搭建覆盖肿瘤、自免、代谢疾病、神经系统疾病的完整研发管线，当前超过40款候选新药处于临床阶段，其中10余款进入临床三期，多款新药属于全球首创、同类最优靶点，不存在同质化内卷竞争，上市后能够快速抢占市场份额。自研ADC、双抗技术平台成熟，多款产品获得海外FDA、EMA临床批件。 2. 海外商业化布局领先，自有海外销售团队落地 不同于大部分药企仅靠BD授权出海，这家企业直接在欧美搭建本地化临床、销售团队，多款新药在美国、欧洲同步开展三期临床，未来可以实现自主海外销售，完整吃下海外市场利润，不需要和海外药企分成，长期盈利空间远高于同行。同时和全球顶尖医药流通企业达成长期合作，海外渠道搭建稳步推进。 3. 现金流充裕，研发投入可持续 多款成熟自研新药国内医保放量销售，每年带来稳定经营性现金流，支撑每年超30亿元研发投入，不会出现研发资金短缺、管线停滞的情况。海外BD授权带来大额一次性收入，进一步增厚企业现金流，抗风险能力极强。 4. 高端原料药、制剂产业链自主可控 公司配套建设原料药、制剂生产基地，新药上市后自产自销，不需要依赖外部代工，生产成本可控，同时符合欧美药品生产质量标准，海外供货不受产能制约。 （三）业绩预期与行业增长空间 2026年公司多款自研新药国内医保放量，叠加海外BD授权收益确认，上半年净利润同比实现扭亏为盈，结束连续多年亏损状态。机构测算，2026-2027年随着多款海外授权药物分成、自主海外销售落地，企业利润将维持逐年高速增长，板块低估值叠加业绩反转，中长期修复空间充足。 中长期来看，全球创新药市场规模超万亿，国产药企凭借成本、技术优势持续抢占海外市场，叠加国内老龄化内需支撑，头部创新药企未来三年营收有望实现翻倍增长。 （四）赛道与企业潜在风险（客观提示） 1. 海外临床实验进度不及预期，新药上市时间延后； 2. 海外药企加大研发竞争，同类靶点新药扎堆上市，市场竞争加剧； 3. 医保谈判降价幅度超出市场预期，国内药品销售利润压缩； 4. 海外医药监管政策变化，增加新药海外上市、销售门槛。 五、普通散户布局中长期趋势股实操思路分享 看完三条赛道和三家潜力企业的完整逻辑，很多朋友会问，就算行业逻辑再好，普通散户操作时也要避开哪些误区？这里结合多年市场观察，分享几点实操心得，帮助大家减少亏损、拿住趋势行情： 1. 杜绝满仓单只个股，均衡分散布局 再好的中长期趋势标的，也会受到行业利空、大盘调整出现阶段性大幅回撤，满仓持有一旦遇到回调，很容易因为心态崩溃割肉在低位。建议采用分赛道均衡配置思路，科技硬科技、新能源储能、生物医药各分配一部分仓位，三个赛道景气周期存在错峰，能够平滑账户波动。 2. 分批低吸，拒绝追高一次性买入 中长期趋势股不是单边持续上涨，中途会有多次深度回调，每一轮回调都是更好的布局窗口。不要看到短期阳线拉升就一次性满仓追入，可以分3-4批分批建仓，指数、个股回调到关键支撑位置再加仓，摊薄持仓成本，持有心态会稳定很多。 3. 以季度维度跟踪基本面，忽略单日短期涨跌 布局趋势股核心看行业景气度、公司订单、财报业绩变化，不用每天盯着分时波动焦虑。每季度看完企业财报、行业数据再重新判断逻辑是否发生变化，只要产业长期逻辑没有破坏，短期回调不需要恐慌离场；只有出现赛道景气下行、公司订单大幅下滑、核心产品认证失败等根本性利空，再考虑调整持仓。 4. 合理设置仓位止损，控制单笔亏损上限 即便中长期逻辑不变，也要做好风险管控，提前设定个人能够承受的最大回撤。如果个股出现超出基本面的非理性下跌，且自身无法承受账户浮亏，及时降低仓位，不要硬扛深度套牢，保留资金等待下一轮机会。 5. 区分趋势主线与短期题材，减少频繁换股 市场每天都有层出不穷的短期热点题材，大多只有1-2周行情，频繁追热点换股很容易两头亏损。把主要仓位放在具备3年以上成长逻辑的主线赛道，小仓位短线博弈题材即可，不要本末倒置。 六、互动结语，欢迎评论区交流 今天完整拆解了半导体电子特气、储能逆变器、创新药出海三大中长期高景气赛道，同时每条赛道筛选出一家基本面扎实、具备持续增长潜力的核心龙头企业，完整梳理了行业成长逻辑、企业核心壁垒以及客观存在的潜在风险。 在这里想和各位股民朋友聊几个话题，欢迎大家在评论区留下自己的看法，一起交流探讨： 1. 在硬科技、新能源、创新药三大主线里，你更看好哪一条赛道下半年行情？理由是什么？ 2. 你平时选股最看重企业的业绩增长，还是行业政策红利？有没有踩过纯题材无业绩个股的坑？ 3. 对于中长期持有趋势股，你一般会拿多久？遇到20%以上回调会选择加仓还是减仓规避风险？ 4. 除了本文提到的三条赛道，你觉得2026年下半年还有哪些细分行业具备持续上行的趋势机会？ 股市投资本身是认知变现的过程，只有把行业底层供需、企业核心竞争力研究透彻，才能避开市场绝大多数陷阱，稳稳抓住结构性行情机会。大家有任何关于赛道逻辑、选股思路的疑问，都可以在评论区留言，我会逐条回复交流。 以上个人分析仅为知识分享，不构成任何投资建议，股市有风险，投资需谨慎。

JIU ZHI JING LI 就职经历 2011-2016年 就职于xx大厂运营设计部门 2017-2020年 就职于xx大厂运营设计部门 2021-至今 就职于xx大厂运营设计部门 解读作者： 彭小平、郑耀富、翁俊飞（南昌大学第一附属医院） 点评专家： 范怡婷（上海市第一人民医院） 科雨彤（首都医科大学附属北京安贞医院） 研究背景 主动脉瓣狭窄（aortic stenosis，AS）是最常见的退行性瓣膜性心脏病之一，但目前仍缺乏有效延缓疾病进展的药物治疗策略。由于早期AS进展相对缓慢，如何精准识别快速进展高风险患者已成为当前研究的重要问题。传统多普勒超声虽然是AS评估基础，但对疾病进展风险及生物学活性的预测能力有限。近年来，多模态影像学逐渐成为AS精准分型的重要工具，包括CT主动脉瓣钙化积分（aortic valve calcium score，AVCS）、心脏磁共振成像（CMR）及基于18F-NaF的PET-CT分子影像，但其在大规模临床应用中仍受到成本和可及性的限制。 数字化主动脉瓣狭窄严重度指数（digital aortic stenosis severity index，DASSi）是一种新近开发并完成验证的人工智能（artificial intelligence，AI）超声影像生物标志物，其基于二维经胸超声胸骨旁长轴切面（parasternal long-axis，PLAX）视频，通过深度学习算法自动识别AS相关瓣膜及心肌重构特征，DASSi可输出0–1连续评分，不仅能够区分AS不同严重程度，还可独立于传统多普勒参数预测疾病进展，具有分析流程快速、自动化、观察者依赖性低特点。然而，目前DASSi增强超声心动图是否能够替代传统多模态影像学，从而全面反映AS的功能学、结构学及生物学特征，仍缺乏系统性验证。 基于此，本研究利用SALTIRE-2随机临床试验队列，对接受标准化多模态影像随访的轻中度AS患者进行事后分析，旨在系统评估DASSi与多模态影像学指标及临床结局之间的关系，并验证AI增强超声影像作为多模态影像替代工具的潜在价值。 研究方法 数据来源及研究人群 本研究基于SALTIRE-2［Study Investigating the Effect of Drugs Used to Treat Osteoporosis on the Progression of Calcific Aortic Stenosis 2；ClinicalTrials.gov注册号：NCT02132026］随机临床试验队列，对接受标准化多模态影像随访的轻中度AS患者进行事后分析。 SALTIRE-2为单中心、双盲、平行分组随机对照研究，于苏格兰东南部心脏专科门诊连续纳入年龄＞50岁的轻中度AS患者。AS定义为经胸超声心动图（TTE）主动脉瓣峰值流速（AV-Vmax）＞2.5 m/s，同时伴有2–4级主动脉瓣钙化。主要排除标准：预计6个月内需接受主动脉瓣手术、预期寿命＜2年、长期糖皮质激素治疗、无法持续站立或坐位超过30分钟、活动性或未经治疗的恶性肿瘤、育龄期女性、严重慢性肾功能不全 [估算肾小球滤过率（eGFR）＜30 mL/min/1.73 m²] 以及对含碘造影剂过敏或存在禁忌证等。 所有患者于基线接受标准化二维TTE、非增强CT及PET-CT检查，随后按照2:1:2:1比例随机接受地舒单抗、阿仑膦酸钠或相应安慰剂治疗。研究期间每6个月进行一次超声随访（6、12、18及24个月），并于12个月重复PET-CT及CT检查，于24个月重复CT检查。所有受试者均签署知情同意书，研究方案经伦理委员会批准。 研究目标 本研究主要围绕DASSi与AS严重程度、疾病进展及临床结局之间的关系展开，具体包括： (1) 评估基线DASSi与AS横断面严重程度之间的关系，包括传统多普勒超声功能学指标、CT AVCS以及PET-CT所反映的主动脉瓣微钙化活性； (2) 评估基线DASSi对24个月内AS血流动力学（AV-Vmax）及结构学AVCS进展的预测价值； (3) 评估DASSi与长期临床结局之间的关系，包括主动脉瓣置换术（AVR）及全因死亡风险。 DASSi评估 DASSi是一种基于卷积神经网络（convolutional neural network，CNN）的人工智能深度学习算法的超声影像生物标志物，其通过分析二维PLAX视频，对AS发生概率进行量化评估，输出0–1连续评分，其中0代表最低AS概率，1代表最高AS概率。DASSi≥0.607可用于筛查重度AS，且DASSi与AS横断面严重程度之间存在明显剂量–反应关系，可覆盖从主动脉瓣硬化到重度AS的不同阶段。 研究中所有基线超声图像均通过标准化自动分析软件完成DASSi计算，包括图像匿名化、PLAX视频自动识别及AI模型推断等步骤，最终以视频层面预测概率的平均值作为个体DASSi评分。整个分析过程中未进行跨中心影像传输，以确保数据隐私安全。 研究终点 主要研究终点包括： (1) 超声功能学指标：AV-Vmax、平均跨瓣压差及主动脉瓣面积（AVA）；左心室结构及功能相关参数，包括左心室舒张末及收缩末内径、左心室质量指数（LVMi）、左心室后壁厚度、室间隔厚度，以及左心室收缩功能指标［左心室射血分数（LVEF）、每搏输出量指数（SVi）］和舒张功能指标［E/e′］等。 (2) CT结构学指标：采用非增强CT评估AVCS，并通过半自动化方式计算主动脉瓣Agatston评分（AU）； (3) PET-CT生物学活性指标：采用18F－NaF PET-CT评估主动脉瓣微钙化活性，以靶/背景比值（TBRmean及TBRmax）表示； (4) 临床结局指标：所有患者均进行前瞻性随访，临床结局包括AVR（包括外科或经导管主动脉瓣置换术）及全因死亡。 统计分析 连续变量以均值±标准差或中位数（Q1–Q3）表示，分类变量以频数及百分比表示。采用Spearman相关分析评估DASSi与超声参数之间的双变量相关性。采用广义线性回归模型分析DASSi与AS功能学、结构学及生物学指标之间的关联，并校正年龄、性别及心血管危险因素等混杂因素；其中CT及PET-CT指标进一步纳入AVA进行校正。采用广义线性混合模型评估DASSi与24个月内AS纵向进展之间的关系，包括AV-Vmax、AVA、AVCS及左心室重构指标的动态变化。针对临床结局，采用Kaplan–Meier生存曲线、Fine-Gray竞争风险模型及多变量Cox回归模型分析DASSi与AVR及全因死亡之间的关联，并计算风险比（HR）及95%置信区间（CI）。此外，通过C统计量及bootstrap重复抽样评估DASSi对传统风险模型预测能力的增量价值，并模拟不同入组策略对未来临床试验样本量需求的影响。所有统计分析均采用Python及R软件完成，双侧P值＜0.05认为差异具有统计学意义。 研究结果 临床基线特征 在原始SALTIRE-2研究纳入的150例患者中，共134例患者完成基线DASSi评估并纳入最终分析（图1）。 图1 研究设计 AI: artificial intelligence; AS: aortic stenosis; AV: aortic valve; AVCS: aortic valve calcium score; AV-Vmax: peak aortic valve velocity; AVA: aortic valve area; CT: computed tomography; DASSi: digital aortic stenosis severity index; NaF: sodium fluoride; PET: positron emission tomography; TBR: target-to-background ratio; QC: quality control. 患者中位年龄为72岁（IQR：68–78岁），其中女性27例（20.1%）。所有患者均完成基线多普勒超声及CT检查以评估AVCS，其中130例（97.0%）同时完成PET-CT检查。24个月随访期间，分别有95例（70.9%）及98例（73.1%）患者完成TTE及CT复查。基线时患者AV-Vmax中位值为3.4 m/s（IQR：3.0–3.8 m/s），平均跨瓣压差中位值为24.0 mmHg（IQR：18.3–32.1 mmHg），AVA中位值为1.1 cm²（IQR：0.9–1.2 cm²）。CT影像显示，基线AVCS中位值为1158 Agatston units（AU）（IQR：620–2064 AU）。总之，该队列以轻中度AS患者为主，并接受了标准化多模态影像随访。详细人口学及影像学特征见表1。 表1 基线特征 Data presented as counts [percentages] and mean (standard deviation) or median [interquartile range], as appropriate. ACEi: angiotensin-converting enzyme inhibitor; ARB: angiotensin II-receptor blocker; AV: aortic valve; AV-Vmax: peak aortic valve velocity; AVA: aortic valve area; CT: computed tomography; DASSi: digital aortic stenosis severity index; NaF: sodium fluoride; PET: positron emission tomography; TBR: target-to-background ratio. 基线DASSi与AS功能学、结构学及生物学特征的关系 研究队列基线DASSi平均值为0.51±0.19。较高基线DASSi与更严重的AS血流动力学异常显著相关，包括更高的AV-Vmax、更高的平均跨瓣压差及更小的AVA（图2A-C）。同时，较高DASSi还与更高的CT AVCS（图2D）以及更高的PET-CT主动脉瓣微钙化活性（TBRmean及TBRmax）（图2E-F）显著相关。相比之下，DASSi与左心室结构及功能参数相关性较弱，包括LVIDd、LVIDs、IVSd、LVPWd、LVMi、LVEF、SVi及舒张功能指标E/e′等均未观察到显著相关性，P值均＞0.05。 图2，DASSi与主动脉瓣狭窄多模态影像学表型之间的横断面关联 Box-and-whisker plots summarizing the observed distribution of Doppler echocardiography metrics of AS severity (A: AVA, B: AV-Vmax, C: AV mean gradient), CT-derived aortic valve calcium score (AVCS, D), and [18F]NaF-PET-CT-derived metrics of aortic valve calcification (E: TBRmax; F: TBRmean). DASSi is discretized into four severity groups (<0.3 [blue]; 0.3 to <0.5 [green], 0.5 to <0.7 [orange]; ≥0.7 [red]). Each panel also includes Spearman’s rho and the corresponding p-value of the bivariate correlation of each metric with DASSi. AS: aortic stenosis; AV: aortic valve; AV-Vmax: peak aortic valve velocity; AVA: aortic valve area; AVCS: aortic valve calcium score; AU: Agatston Units; CT: computed tomography; DASSi: digital aortic stenosis severity index; NaF: sodium fluoride; PET: positron emission tomography; TBR: target-to-background ratio. 进一步多变量校正分析显示，DASSi与AS功能学、结构学及微钙化生物学活性之间的关联独立于年龄、性别及传统心血管危险因素。超声分析结果显示，DASSi每增加1个标准差（SD），校正后AV-Vmax增加0.21 m/s（95% CI：0.12–0.30），平均跨瓣压差增加3.68 mmHg（95% CI：2.18–5.19），而AVA减少0.07 cm²（95% CI：0.03–0.12）。在CT及PET-CT影像分析中，DASSi每增加1 SD，校正后AVCS增加284 AU（95% CI：101–467），TBRmean及TBRmax分别增加0.08（95% CI：0.03–0.13）及0.17（95% CI：0.04–0.31）(补充表1)。此外，在传统临床及影像学风险模型基础上进一步纳入DASSi后，可显著提高CT AVCS及PET-CT TBRmax模型的拟合优度（均P＜0.001），提示DASSi能够提供独立且增量性的AS疾病生物学信息。 补充表1 DASSi与主动脉瓣钙化负荷及钙化活性的横断面关联 * DASSi coefficients refer to one standard deviation increment. The estimates were derived at the baseline visit using a generalized linear model with baseline DASSi, age, sex, hypertension, diabetes, smoking status, total cholesterol, and systolic blood pressure as independent variables. For CT and PET-CT analyses, AVA was additionally included as an independent predictor. AV, aortic valve; AV-Vmax, peak aortic valve velocity; AVA, aortic valve area; AVCS, aortic valve calcium score; CI, confidence interval; CT, computed tomography; DASSi, digital aortic stenosis severity index; NaF, sodium fluoride; PET, positron emission tomography; TBR, target-to-background ratio; TTE, transthoracic echocardiography. 基线DASSi与AS功能学进展的关系 较高基线DASSi与AS血流动力学严重程度更快进展显著相关（表2）。以基线为参照，DASSi≥0.7组患者24个月时AV-Vmax增加0.67 m/s （95% CI：0.64–0.71），而DASSi＜0.3组仅增加0.28 m/s（95% CI：0.23–0.33），提示DASSi与AS进展速率之间存在明显剂量-反应关系（图3A–B）。类似趋势同样见于左心室重构指标。24个月随访期间，DASSi≥0.7组LVMi增加18.4 g/m²（95% CI：14.4–22.5），而DASSi＜0.3组仅增加6.3 g/m²（95% CI：3.3–9.3）（图2），提示较高DASSi不仅与AS血流动力学恶化相关，同时伴随更明显的左心室肥厚及重构进展。 然而，在左心室收缩及舒张功能方面，基线DASSi与随时间变化的LVEF、E/e′及SVi之间未观察到显著交互作用（P值分别为0.45、0.72及0.43），提示DASSi对AS进展的预测作用主要体现在瓣膜狭窄进展及左心室结构重构，而非早期左心室功能改变。 表2，基线DASSi对主动脉瓣狭窄功能学及结构学进展的预测价值 The estimates are derived from linear mixed models with DASSi at baseline, time (in months), the interaction between the two (baseline DASSi x time), age, sex, hypertension, diabetes mellitus, smoking status, total cholesterol, systolic blood pressure, denosumab or alendronic acid use, and baseline AVA (for AVCS) included as fixed effects, with participant included as a random effect. AS: aortic stenosis; AU: Agatston Units; AV: aortic valve; AV-Vmax: peak aortic valve velocity; AVA: aortic valve area; AVCS: aortic valve calcium score; CI: confidence interval; CT: computed tomography; DASSi: digital aortic stenosis severity index; LVMi: left ventricular mass index. 图3 基线DASSi与主动脉瓣狭窄血流动力学及CT结构学进展之间的关系 (A) Adjusted peak aortic valve velocity and (C) CT-derived aortic valve calcium score (AVCS) across time and study visits stratified by baseline DASSi groups (<0.3 [blue]; 0.3 to <0.5 [green], 0.5 to <0.7 [orange]; ≥0.7 [red]). (B, D) Adjusted absolute change in peak aortic valve velocity (AV-Vmax) and AVCS relative to baseline across time and study visits stratified by baseline DASSi groups. Point estimates are accompanied by 95% confidence intervals of the mean. AS: aortic stenosis; AV: aortic valve; AV-Vmax: peak aortic valve velocity; AVCS: aortic valve calcium score; AU: Agatston Units; CT: computed tomography; DASSi: digital aortic stenosis severity index. 基线DASSi与远期临床结局的关系 中位随访5.5年期间，共有75例（56.0%）患者接受主AVR，43例（32.1%）患者死亡。在校正年龄、性别、基线心血管危险因素及AVA后，较高基线DASSi与更高AVR风险显著相关。DASSi每增加1个标准差（SD），AVR风险增加42%（调整后HR：1.42，95% CI：1.11–1.84，P=0.006），其中死亡作为竞争风险事件纳入分析。相比之下，但与全因死亡风险之间未观察到显著相关性（P=0.216）。进一步分析显示，DASSi与多普勒超声评估的AVA之间不存在显著交互作用（AVR交互作用P=0.87），提示DASSi对AVR风险的预测作用独立于传统AS严重程度指标。值得注意的是，与基线DASSi＜0.3组相比，DASSi≥0.7组患者AVR风险增加近3倍（调整后HR：2.92，95% CI：1.05–8.10，P=0.040）（图4）。 此外，在包含传统临床危险因素及多普勒超声AVA的基础风险模型中，模型C统计量为0.681。进一步纳入AVCS后，C统计量提高至0.712（ΔC=0.031，95% CI：−0.001至0.082）；而采用基于简单二维TTE获得的DASSi替代CT-derived AVCS后，模型C统计量达到0.714（ΔC=0.034，95% CI：0.001–0.083）。上述结果提示，DASSi在无需额外CT影像的情况下，即可提供与CT钙化负荷评估相近的风险预测能力。 图4 基线DASSi与AVR发生风险之间的关联 Kaplan-Meier survival curves for AVR stratified by baseline DASSi (<0.3 [blue]; 0.3 to <0.5 [green], 0.5 to <0.7 [orange]; ≥0.7 [red]). The figure is accompanied by unadjusted and multivariable subdistribution hazard ratios based on the Fine-Gray method. AVR: aortic valve replacement; CI: confidence interval; DASSi: digital aortic stenosis severity index; HR: hazard ratio 基于DASSi指导临床试验入组的模拟效能分析 在假设采用基线与随访配对比较的条件下，相较于纳入所有轻中度AS患者（AV-Vmax年进展速率：0.22±0.24 m/s/年），优先纳入DASSi≥0.7的高风险患者（AV-Vmax年进展速率：0.37±0.29 m/s/年），可使检测AS显著进展所需样本量减少44.0%（95% CI：5.5%–76.9%）。此外，与传统基于多普勒超声参数的高风险筛选策略相比，包括AV-Vmax≥3 m/s、AVA≤1.5 cm²或平均跨瓣压差≥20 mmHg，基于DASSi的入组策略均表现出更低的样本量需求（补充表2）。 补充表2 不同富集标准下检测1年AV-Vmax变化所需样本量估算 AV, aortic valve; AVA, aortic valve area; DASSi, digital aortic stenosis severity index; SD, standard deviation; CI, confidence interval. 95% CIs were computed using bootstrapping with 1000 replications. * Absolute sample sizes were estimated for a paired t-test with a two-sided α of 0.05 and 95% power. 结论 基于二维超声心动图的人工智能分析工具能够构建个体化AS进展特征谱，并与AS严重程度相关的多种功能学、结构学及生物学特征显著相关，而这些信息传统上通常需要依赖多模态影像学评估。DASSi增强超声心动图有望成为非重度AS精准分型的一种便捷且可扩展的替代方案，不仅可应用于临床实践中的风险评估，也可作为未来AS临床试验中的精准生物标志物。 研究局限性 (1) 约10%的超声研究未能成功完成DASSi分析，主要与自动化视图分类软件有关。当系统对输入图像是否属于标准PLAX置信度不足时，相关视频会被自动排除。 (2) 尽管SALTIRE-2采用了标准化影像随访流程，但部分患者在随访过程中因疾病进展最终接受了AVR。因此其后续影像学数据被截断，可能导致研究低估AS自然进展的真实效应。 (3) 本研究基于单中心三级转诊中心队列，本研究基于单中心三级转诊中心队列，研究人群主要来源于苏格兰东南部地区，且男性患者占比较高，因此结果在不同人群中的泛化能力仍需进一步验证。不过，单中心标准化影像采集流程有助于提高多模态影像分析的一致性及终点测量精度。 (4) 由于缺乏其他人工智能模型的访问权限，本研究未能与其他基于结构化超声参数的深度学习模型进行直接比较。 (5) 出于数据隐私保护考虑，本研究未生成模型显著性热图（saliency map）；但本研究所采用模型与既往开发及验证研究一致，因此既往研究中的显著性热图可在一定程度上反映模型主要识别区域。 专家点评 JIU ZHI JING LI 就职经历 2011-2016年 就职于xx大厂运营设计部门 2017-2020年 就职于xx大厂运营设计部门 2021-至今 就职于xx大厂运营设计部门 科雨彤教授（首都医科大学附属北京安贞医院） 主动脉瓣狭窄（AS）的精准分型及进展预测一直是瓣膜病领域的重要挑战。传统多普勒超声虽能够评价血流动力学严重程度，但对瓣膜钙化负荷、微钙化活性及疾病生物学进展的识别能力仍有限，而CT及PET-CT等多模态影像虽然能够提供更丰富的结构学与生物学信息，却受制于成本、设备及可及性，难以广泛应用于临床实践及大规模临床试验。 本研究是一项基于SALTIRE-2随机临床试验队列的事后分析，首次系统评估了人工智能（AI）超声生物标志物DASSi在轻中度AS患者中的临床价值。其最大的创新点在于AI赋能的超声影像分析模式—DASSi仅基于二维胸骨旁长轴切面（PLAX）即可完成分析，却能够反映传统上需要CT主动脉瓣钙化积分（AVCS）及PET-CT微钙化成像才能获得的功能学、结构学及生物学信息。研究结果显示，较高基线DASSi不仅与更高AV-Vmax、更高主动脉瓣钙化负荷及更强微钙化活性显著相关，还能够独立预测24个月AS进展及未来主动脉瓣置换（AVR）风险。这提示DASSi并非简单的AI自动测量工具，而更可能成为一种用于识别AS“快速进展型”患者的综合疾病表型平台。 从临床角度看，本研究的重要意义在于提高AS精准风险分层的可及性。DASSi若未来能够嵌入常规超声工作流程并自动生成，将有望实现低成本、快速、可规模化的AS风险评估，不仅有助于优化患者随访策略，也可能显著提高未来AS药物临床试验的入组效率，通过富集快速进展高风险人群降低样本量需求及研究成本。 当然，本研究仍存在一定局限。首先，研究样本量相对有限，仅纳入134例患者，且来源于单中心队列，结果的外部泛化能力仍需进一步验证。其次，研究人群以苏格兰地区患者为主，其结果是否适用于不同种族、不同钙化特征及不同医疗体系人群仍需更多真实世界数据支持。此外，DASSi作为深度学习模型，仍存在一定“黑箱”问题，目前尚不完全清楚AI主要捕捉的是瓣膜钙化特征、左室-瓣膜耦合改变、心肌重构，还是其他潜在影像纹理信息。总体而言，本研究为AI超声在AS精准分型中的应用提供了重要证据，也提示未来AS影像学评估可能逐渐从“传统血流动力学分级”向“AI驱动的多维疾病表型识别”转变。 范怡婷教授（上海市第一人民医院） 本研究时基于SALTIRE-2随机临床试验队列的事后多模态影像学研究，其核心价值并不仅仅在于“AI预测AS进展”，而在于它尝试重新定义主动脉瓣狭窄（AS）的疾病评估范式。长期以来，AS严重程度评估主要依赖AV-Vmax、平均跨瓣压差及AVA等传统血流动力学参数，但这些指标本质上更多反映“当前狭窄程度”，而并非疾病未来进展的生物学活性。本研究的重要突破在于，DASSi通过单一二维超声切面，即可捕捉与CT钙化负荷及PET-CT微钙化活性相关的深层疾病信息，提示AI正在从“图像识别工具”逐渐演变为“疾病表型解析工具”。 更值得关注的是，该研究提出了一个具有未来意义的方向：AI可能正在成为连接传统影像学与疾病生物学之间的新桥梁。过去，多模态影像的价值在于揭示AS不同层面的病理过程，包括瓣膜钙化、炎症活性及左室重构；而本研究提示，深度学习模型能够从常规超声中提取这些“隐匿表型信号”，从而实现低成本、可规模化的精准风险分层。这种模式对于未来AS药物研发尤其重要。由于AS进展缓慢，传统临床试验往往需要极大样本量及长期随访，而DASSi富集快速进展患者后可显著降低样本量需求，这实际上是在改变AS临床试验的设计逻辑。 此外，本研究也反映出AI医学真正落地所面临的关键问题。首先，DASSi虽然表现出较好的预测能力，但其本质仍属于“弱可解释性模型”，AI究竟学习到了哪些关键影像特征，目前仍缺乏充分机制解释。其次，该研究基于高质量、标准化的单中心影像队列完成，而真实世界超声图像质量、设备平台及操作者差异远比临床试验复杂，模型跨平台稳定性仍需验证。更重要的是，AI不能替代临床思维。CT、PET-CT及CMR所提供的组织学与病理生物学信息，仍是理解AS机制不可替代的核心工具。未来真正理想的方向，不是“AI取代多模态影像”，而是AI帮助实现多模态影像信息的低成本普及与精准整合。 总体而言，这项研究的重要意义不仅在于验证了DASSi的临床价值，更在于它提示我们：未来AS管理可能不再局限于传统超声参数，而将逐渐进入“AI驱动的疾病生物学表型时代”。 专家简介 彭小平 南昌大学第一附属医院 彭小平，南昌大学第一附属医院党委委员、省高血压病研究所所长、人工智能与信息处处长、胸痛中心主任胸痛中心主任、心血管内科学科带头人、主任医师、教授、医学博士、博导、留美归国学者、井冈学者特聘教授、江西省卫生健康突出贡献中青年专家。        国家卫健委、中国医师协会心血管介入培训导师、国家心血管专科规范化培训导师、CTOCC成员、CTO老伙计成员、中国医师协会心脏重症专业委员会重症结构性心脏病学组副组长、中华医学会科学普及分会第十二届委员会重症医学科普学组副组长、中国康复医学会心脏介入治疗与康复专业委员会第二届委员会常委、中国科协国家健康科普专家库专家、全国普通高等学校本科教育教学评估专家、中国研究型医院学会高血压专业委员会委员、中国医院协会心脏康复管理专业委员会常委、江西省整合医学学会心血管病学分会主任委员、江西省医学会介入心血管病学分会主任委员等。        主持国家自然科学基金3项，发表SCI等论文数十篇。获第二届全国高校教师教学创新大赛部属高校正高组一等奖、全国青年岗位能手、国家改善医疗服务突出贡献工作者、全国科普先进工作者、江西省卫生健康突出贡献中青年专家、江西省抗击新冠肺炎疫情先进个人等。                 擅长冠脉介入、瓣膜介入、起搏器植入等介入治疗及冠心病、高血压、心力衰竭等心血管疾病防治。完成全国及江西省首例手术三十余项。 郑耀富 南昌大学第一附属医院 心血管内科副主任医师 中国医师协会心血管内科医师分会主动脉及周围血管学组委员 中华医学会心血管病学分会大动脉及周围血管疾病学组委员 亚太结构性心脏病青年俱乐部银晶会员 江西省心血管介入心脏病学会青年专业委员会常务委员 江西省整合医学学会心脏泛血管急重症分会常务委员 江西省医学会心脏瓣膜分会委员 江西省整合医学学会体外生命支持分会委员 江西省整合医学会心血管分会委员 江西省整合医学学会睡眠医学分会委员 病区诊疗组及介入手术组组长，主要从事心脏瓣膜病、先心病、冠心病等心血管介入、心血管超声；年完成TAVR、TEER手术100余台；先天性心脏病、左心耳封堵、复杂冠脉及CTO 手术超800余台  主持并参与多项国家级、省、厅级课题，发表多篇SCI及核心期刊文章  范怡婷 上海市第一人民医院 范怡婷，香港中文大学/美国梅奥医学中心联合培养博士，上海市第一人民医院心血管病临床医学中心副主任医师/心电心超科负责人。 长期从事临床工作及研究，主要特长及研究方向是结构性心脏病、三维超声影像、三维打印和人工智能在结构性心脏病上的应用。 博士期间所在的研究团队是亚洲首个将三维打印技术应用于结构性心脏病介入治疗的团队。研究成果曾获得第四届亚太超声年会青年学者奖第一名及欧洲心血管影像年会最佳摘要，发表相关论文7篇，最高影响因子10分，并成功申请专利一项。多次以培训讲师的身份参与由香港中文大学和亚太超声心动图协会联合举办的结构性心脏病介入超声工作坊授课。 迄今为止，已于国际性同行评审刊物上发表SCI论文29篇，其中以第一作者或通讯作者发表论文13篇，总影响因子超过60分，并担任Frontiers in Cardiovascular Medicine杂志结构性心脏病专栏的审稿专家。 科雨彤 首都医科大学附属北京安贞医院 科雨彤，医学博士，首都医科大学附属北京安贞医院心脏超声医学中心、胎儿心脏病母胎医学中心，主治医师。 中国心胸血管麻醉学会超声分会委员；中国医疗保健国际交流促进会超声医学分会第二届委员会青年委员；中国研究型医院学会心血管影像专业委员会青年委员。 专业：擅长成人心脏瓣膜病的超声心动图诊断，专注于结构性心脏病介入治疗的术中超声引导和监测。 翁俊飞 南昌大学第一附属医院 翁俊飞，南昌大学第一附属医院心血管内科住院医师，医学博士，留美博士后。主要从事心脏瓣膜病、冠心病等心血管疾病的临床与科研工作。 来源：APSH青年俱乐部 -END- ↓获取更多资讯，点击“阅读原文”下载“医谱APP”