本研究探讨了能否将成人心电图（ECG）基础模型迁移至儿科。我们使用了来自 238,189 名儿童的 339,563 条 12 导联 ECG 数据，比较了三种策略：直接迁移、在儿科数据上微调以及从零开始训练，网络结构保持一致。直接迁移的平均 AUC 为 0.8256，表现不佳。微调后 AUC 提升至 0.9695，超过了从头训练的 0.9661，并且仅使用 1% 的训练数据即可达到 0.9079。对外部 10,999 条 ECG 的评估显示，微调模型在 30 项标签上的平均 AUC 为 0.9385。模型还能完成年龄回归（MAE 1.12 年）和先天性心脏病分类（AUC 0.9562）。在 17 位临床医生阅读 100 例病例的实验中，诊断准确率由 56.8% 提升至 65.4%（p < 0.05）。
点评：该工作证明成人 ECG 基础模型通过少量儿科数据微调即可实现高效迁移，为儿科心电图 AI 应用提供了实用路径。