综述：评估人工智能在心脏病学中的医学检测应用：最佳实践

这篇综述系统阐述了机器学习（ML）在心脏电生理领域的应用规范，强调避免数据泄露（data leakage）、类别不平衡（class imbalance）等关键问题，提出采用F1分数、Bland-Altman图等标准化评估方法，并强调与CHA2DS2-VASc等传统模型的对比验证，为AI医疗测试建立临床转化路径。

　　

在心血管研究领域，机器学习方法正以前所未有的速度渗透到临床实践中。这篇开创性综述以心脏电生理学为范例，揭示了人工智能（AI）医疗测试评估的关键原则和潜在陷阱。

1. 研究范围

监督式机器学习通过数据驱动模型做出医疗决策，在心脏病学中主要应用于分类问题（如基于心房颤动负荷预测卒中风险）和回归问题（如通过光电容积图估计心率）。值得注意的是，这类模型比传统统计模型更容易受到数据泄露、类别不平衡等问题的干扰。

2. 队列选择与数据集划分

研究强调必须严格区分训练集、验证集和测试集，建议采用K折交叉验证来优化超参数。特别警示当同一患者有多条记录时，必须确保患者级别的完全分离，否则会导致数据泄露——这个常见错误会严重高估模型性能。

3. 结果与"金标准"

AI模型的输出质量直接取决于"金标准"的质量。研究举例说明，基于美国定义（≥6个连续搏动）训练的室性心动过速检测模型，在欧洲标准（≥3个连续搏动）验证时会出现灵敏度下降。这凸显了定义统一对模型迁移的重要性。

4. 分类指标与图表

针对分类问题，作者强烈推荐使用F₁分数（敏感性和阳性预测值的调和平均数）而非准确率，特别是在类别不平衡情况下。通过"盲人心脏病专家"的生动比喻，文章揭示在房颤（AF）检出率仅2%的情况下，仅靠猜测"无AF"就能获得96.1%的虚假高准确率。

5. 不平衡数据的挑战

当类别分布超过80%/20%时即视为不平衡。虽然可以采用欠采样、过采样等策略改善训练，但必须保持测试集的原生分布，否则会扭曲性能评估。

6. 回归指标与图表

对于回归问题，提出"标准差规则"：均方根误差（RMSE）应远小于结果变量的标准差。推荐使用Bland-Altman图替代相关性分析，因其能同时展示群体平均性能和个体差异。

7. 参考模型

强调机器学习模型必须证明其相对于传统方法的附加价值。特征型模型应与逻辑回归等传统方法使用相同特征进行比较；而处理原始波形数据的神经网络，则应与已知生物标志物的参考模型对照。

8. 运行模式

深度学习的"黑箱"特性带来解释性挑战。文章探讨了注意力图（attention maps）和消融技术等解决方案，这些方法有助于识别模型依赖的关键生物标志物。

9. 进一步验证

以CHA₂DS₂-VASc评分的20年临床转化历程为例，强调AI模型需要经过前瞻性验证、静默实施和随机对照试验等多阶段验证，才能真正进入临床实践。

这篇综述最终提炼出一套针对心血管AI研究的标准化报告规范，为这个快速发展的领域建立了严谨的方法学框架。从数据拆分策略到指标选择，从参考模型对比到临床转化路径，这些建议不仅适用于心脏电生理学，也为其他医学领域的AI应用提供了范本。