基于CatBoost机器学习与临床经验指导的前庭疾病智能诊断系统开发与验证

本研究针对前庭疾病诊断复杂、病史采集繁琐的临床挑战，开发了融合算法分析与专家知识的混合特征选择方法，构建了可区分6种常见前庭疾病（BPPV、VM、MD、HOD、PPPD、VEST）的CatBoost模型。该系统在3349例患者数据中实现88.4%总体准确率，对BPPV和VM分别达到0.81和0.70的敏感度，对MD和PPPD分别实现0.96和0.99的特异度，显著优化了诊断流程并减少55%评估时间，为临床决策支持提供了可靠工具。

　　

眩晕和平衡障碍是困扰现代人的常见健康问题，但准确诊断前庭疾病却让医生们倍感棘手。由于症状复杂多变，患者描述主观性强，临床医生需要像侦探般从上百个症状特征中抽丝剥茧，才能做出准确判断。国际前庭疾病分类(ICVD)虽然提供了标准框架，但实际应用中医生仍需面对记忆大量诊断标准、权衡不同特征重要性的挑战。更麻烦的是，常见如良性阵发性位置性眩晕(BPPV)和前庭性偏头痛(VM)需要高敏感度识别，而梅尼埃病(MD)等则需高特异度判断以避免过度治疗——这种精细平衡对临床医生提出了极高要求。

针对这一临床痛点，首尔国立大学医院(Seoul National University Hospital)的Cecilia A.Callejas Pastor团队开展了一项突破性研究。他们巧妙地将机器学习算法与临床专家经验相结合，开发出能自动分类6种常见前庭疾病的智能诊断系统。这项发表在《npj Digital Medicine》的研究，通过分析3349例患者的145项临床特征，最终筛选出50个关键指标构建CatBoost模型，在保持专业性的同时大幅提升了诊断效率。

研究人员采用三项核心技术：首先通过递归特征消除支持向量机(RFE-SVM)和选择K最佳(SKB)算法进行初步特征筛选，再引入前庭专家选定的20个临床关键特征形成混合特征集；其次采用CatBoost、随机森林和XGBoost三种算法对比建模，最终选择泛化能力最强的CatBoost；最后创新性地将预测结果分为"完全正确"（与专家第一诊断一致）、"部分正确"（与专家第二诊断一致）和"错误"三类进行更符合临床实际的评估。

数据集和特征选择

研究团队收集了2012-2022年间4361例眩晕患者数据，经严格筛选后保留3349例（女性69.9%，平均年龄56.42岁）。如图1所示，通过算法筛选和专家知识补充，最终确定50个特征，其中30个来自算法选择（如首次发作与头部运动的关系F_Hx_head_move、头痛伴随恶心Hx_recurrent_headache_nausea_diet等），20个来自临床选择（如首次发作持续时间Desc_DurationFirstAttack、头痛部位Desc_LocationHeadache等）。这种混合方法既保留了数据驱动优势，又确保了临床相关性。

模型性能与选择

如表2所示，虽然随机森林在验证集达到98%准确率，但在测试集降至85%，显示明显过拟合。CatBoost则表现出优异稳定性（验证集93%→测试集88%），因此被选为最终模型。这种选择体现了研究者更重视临床实用性的设计理念。

分类结果

模型在670例测试数据中表现亮眼：完全正确分类60.9%（408例），部分正确27.5%（184例），错误仅11.6%（78例）。如图3所示，不同疾病表现出特征性识别模式：BPPV获得0.81高敏感度，VM实现0.86平衡准确率（敏感度0.70，特异度0.89）；而MD和HOD则呈现高特异度（0.96和0.97）但较低敏感度（0.44和0.33）的"保守"模式，这与临床优先避免过度诊断的需求高度吻合。特别值得注意的是，PPPD虽然特异度高达0.99，但敏感度仅0.09，反映了研究者对功能性头晕诊断的谨慎态度。

这项研究的创新价值体现在三个方面：临床实践上，系统可节省55%评估时间，通过平板电脑自助问卷初步筛查，帮助非专科医生提高诊断信心；方法学上，开创性地将算法筛选与专家知识结合，当纯算法特征模型准确率降至80%时，补充临床特征使其回升至88.4%；学科发展上，建立了目前规模最大的前庭疾病机器学习研究数据集（3349例），为后续研究奠定基础。

当然，研究也存在单中心回顾性设计的局限性，以及文化差异可能影响症状表述的潜在问题。研究者计划通过开发平板应用进行多中心验证，并探索自适应提问算法进一步精简问题数量。正如通讯作者Myung-Whan Suh强调的，该系统并非要替代医生，而是作为"临床决策支持工具"，帮助医生从繁琐的信息收集中解放出来，将更多时间投入治疗决策和患者教育——这或许正是人工智能赋能医疗的典范之作。