编辑推荐：
腹主动脉瘤（AAA）多在其他检查中偶然发现。研究人员开展了利用食指光电容积脉搏波（PPG）信号特征区分 AAA 患者和对照组的研究。结果显示，三个 PPG 特征分类准确率达 71% ，AUC 为 75%。该研究为 AAA 筛查提供了新方法。
在医学领域，腹主动脉瘤（Abdominal Aortic Aneurysm，AAA）是一个不容忽视的健康威胁。它是腹部主动脉的局部扩张，大多由动脉粥样硬化性退变引起。AAA 通常悄无声息地发展，患者可能多年甚至数十年都没有明显症状，但一旦破裂，往往会导致死亡。目前，大多数 AAA 是在对其他疾病进行影像学检查时意外发现的，这意味着许多患者可能在不知不觉中面临着巨大的健康风险。因此，寻找一种便捷、有效的 AAA 检测方法迫在眉睫。
在这样的背景下，来自芬兰多所大学医院的研究人员展开了深入研究。他们的研究成果发表在《Biomedical Signal Processing and Control》上，为 AAA 的检测带来了新的希望。
研究人员为了实现利用 PPG 信号特征区分 AAA 患者和对照组的目标，采用了多种关键技术方法。首先，他们收集了来自两个数据集的数据，包括 29 名 AAA 患者和 30 名对照者的数据，经过筛选最终纳入 48 名参与者。然后，使用特定的 PPG 探头从右食指记录透射模式的 PPG 信号，并同步测量心电图（ECG）。接着，计算 PPG 信号的六个脉搏波形特征，包括幅度比、时间延迟和老化指数（AGI）等。最后，利用顺序向后特征选择（SBFS）结合线性判别分析（LDA）以及留一法交叉验证（LOPOCV）进行特征选择和分类。
研究结果如下：
- 基线特征分析：通过 Mann-Whitney U 检验和χ2检验分析 AAA 组和对照组的基线特征，发现两组在性别、年龄、收缩压、舒张压、高血压、糖尿病、血脂异常、吸烟史等方面存在显著差异。
- 特征选择与分类模型构建：经过 LOPOCV 和特征选择，最终确定了三个特征（R2、R3和T2）用于分类。基于这些特征构建的 LDA 模型公式为g(x)=(13.8?12.237.0)R2R3T2?1.9，当g>0时，测试参与者被分类为 AAA 患者；当g<0时，被分类为对照者。
- 模型性能评估：该模型表现出一定的准确性，其 AUC 为 75%，诊断准确率为 71%，特异性为 67%，敏感性为 75%，F1分数为 71%，阳性预测值（PPV）为 70%。同时，研究人员还比较了 LDA 与其他分类器（如二次判别分析（QDA）、支持向量机（SVM）等）的性能，发现 LDA 在避免过拟合方面具有优势。
在研究结论和讨论部分，该研究具有重要意义。一方面，研究表明从 PPG 信号计算出的特征可以在一定程度上区分 AAA 患者和对照组，PPG 波形分析为 AAA 筛查提供了一种潜在的便捷方法。另一方面，研究也指出了存在的局限性，如样本的种族背景单一、数据集较小等。未来需要更大规模、更具多样性的数据集来进一步验证研究结果，提高检测方法的准确性和临床实用性。尽管目前的方法还需要改进，但这项研究为 AAA 的检测开辟了新的方向，有望在未来的临床实践中发挥重要作用。
