基于贝叶斯推断的先验信息机器学习（PIML）提升临床可解释医学诊断：跨宫颈瘤变、口腔高危病变与早产检测的多队列验证

《Frontiers in Bioengineering and Biotechnology》：Prior-informed machine learning for clinically interpretable medical diagnosis

　　

传统医学诊断中的机器学习（machine learning, ML）常因其黑箱式、数据驱动特性而面临临床可解释性有限和泛化能力不足的问题。研究人员提出先验信息机器学习（Prior-Informed Machine Learning, PIML）框架，该框架通过贝叶斯推断（Bayesian inference）将具有临床依据的生成式推理（generative reasoning）与数据驱动的、ML赋能的判别式建模（discriminative modeling）整合，以提供临床可解释的、患者特异性的诊断结果。通过将数据驱动诊断中敏感度（sensitivity）和特异度（specificity）的优化——这是后续贝叶斯推断所需——直接嵌入ML模型开发过程，PIML实现了机器学习与临床专业知识的协同整合，而这种整合无法仅通过数据驱动方法或仅通过临床依据方法单独实现。PIML在三个临床领域得到验证——宫颈瘤变检测（cervical neoplasia detection）、高危口腔病变检测（high-risk oral lesion detection）和早产检测（preterm birth detection）——在这些领域中，贝叶斯推断被系统性地用于整合基于电阻抗谱（electrical impedance spectroscopy, EIS）的机器学习与领域特异性临床专业知识，从而实现更全面和增强的诊断决策。研究结果表明，与标准ML方法相比，PIML总体改善诊断性能，并相对于知识级和特征级先验整合策略提供具有竞争力或更优的性能。这项工作提出了一个创新、系统的框架，在应对异质临床环境中的医学诊断挑战方面具有广泛采用的强大潜力。

论文解读：传统医学诊断中的机器学习（machine learning, ML）虽在模式识别上表现突出，但其黑箱式、数据驱动特性导致临床可解释性有限；当训练数据未覆盖部署场景或存在分布偏移时，模型决策准确性和泛化能力下降。现有将临床指南、统计规则和医生经验整合进ML的实践，多采用先验与数据先拼接、在损失函数中加入知识惩罚项或构建任务特异性约束，这些方法依赖预定义约束、跨临床域灵活性不足。医生知识常为抽象、个体化且难以形式化，传统专家系统又受静态规则和知识获取瓶颈限制。高维信号如电阻抗谱（electrical impedance spectroscopy, EIS）数据适合ML提取模式，而患者特异性临床判断仍需专业知识，因此需要一种机制使临床知识在诊断决策中影响ML证据而不必显式编码进模型结构。医学诊断本身具有概率性，研究人员据此提出PIML框架，利用贝叶斯定理将患者特异性临床先验与ML诊断证据结合，形成可解释的后验概率（posterior probability）。原文将临床可解释性界定为诊断更新过程的透明和可追溯，而非断言所得概率已经验证完全校准。研究在宫颈瘤变检测、高危口腔病变检测和早产（preterm birth, PTB）检测三个临床域开展，所有ML模型均基于EIS数据，并系统整合领域特异性临床先验。其贡献包括：将ML预测作为证据更新患者先验；把贝叶斯推断所需的敏感度（sensitivity）和特异度（specificity）优化嵌入端到端ML开发；跨三任务评估框架。意义在于提供系统化框架，使ML判别式预测与临床生成式诊断结合，提升诊断性能、可解释性和在异质临床环境中的潜在适用性。

方法概括：研究基于三个独立EIS队列：宫颈G1 1677例及Royal Free Hospital的G2 112例、口腔62例、University of Sheffield早产438例；设备为ZedScan^TM和Sheffield Mark 5.0。EIS多频复阻抗经Cole模型提取R₀、R_∞、f_c、α；宫颈每受试者多个空间读数取均值和极差形成8维特征，口腔与早产每读数4维。用决策树（decision tree, DT）、随机森林（random forest, RF）、支持向量机（support vector machine, SVM）、多层感知机（multilayer perceptron, MLP）分类器，网格搜索按验证集曲线下面积（area under the receiver operating characteristic curve, AUC）选超参数，TS阈值选择确定初始阈值；验证集估计敏感度和特异度，经贝叶斯公式整合患者特异性先验与ML证据，再确定后验阈值。按8:1:1重复100次划分，口腔和早产患者级聚合，宫颈G2外部测试。

研究结果：

3.1 任务1：宫颈瘤变检测。研究基于Cervical-G1训练和Cervical-G2外部测试，比较prior-only、基线ML、ML+prior与PIML；PIML对DT、RF、SVM、MLP的AUC较基线ML在G1提高约26%–32%、在G2提高约33%–40%，多数数据集-分类器组合优于ML+prior，但RF在G1和G2中ML+prior的AUC更高。外部校准分析中Cervical-G2平均Brier分数（Brier score）为0.116±0.010，部分临床证据组合的贝叶斯更新概率与观察疾病频率较一致，小样本亚组仍有偏差。

3.2 任务2：口腔高危病变检测。研究在62例口腔EIS数据上以吸烟史为先验，按患者级聚合评估；对DT、RF、MLP，PIML较基线ML的AUC分别提高约13%、8%、3%，并提高特异度；对SVM，ML+prior的AUC最高而PIML特异度最高。原文用10次重复分层嵌套患者级3折交叉验证进行敏感性分析，主要性能模式与主分析一致。

3.3 任务3：早产诊断。研究在438例早产EIS数据上以既往早产史为先验，比较prior-only、ML、ML+prior、PIML及采用QUiPP外部先验的PIML（APP）；PIML较基线ML使DT、RF、SVM、MLP的AUC分别提高约41%、52%、43%、37%，并改善特异度和多数敏感度。PIML（APP）的AUC与内部先验PIML接近，说明框架可容纳外部临床风险信息。原文指出早产基线ML近随机并非标签反转或评分方向错误，而是统一非PTB特异特征流程下EIS-only常规ML判别有限。

讨论部分总结：PIML在三个任务中总体优于相应基线ML，并在多数数据集-分类器组合中优于prior-only和特征级先验整合；原文强调其临床可解释性在于明确展示患者先验如何被ML证据及模型敏感度、特异度更新为后验概率。方法学核心是将贝叶斯推断所需敏感度和特异度的确定嵌入端到端ML建模，并将训练、验证、测试和阈值选择与下游贝叶斯更新统一。PIML可在不重训的情况下通过更新P(H|C)进行事后适应，适合疾病流行率、诊断实践和人群特征随时间和地点变化的动态临床环境；框架不限于EIS，可处理影像、实验室生物标志物等多模态特征。原文也指出限制：条件独立（conditional independence）假设需更大数据检验；口腔队列仅62例（9例高危），应视为概念验证；仅宫颈G2为独立外部验证，口腔和PTB为内部重采样评估；概率输出应理解为既定假设下的贝叶斯更新估计，需更大独立队列做校准分析。原文认为当ML和先验单独表现均有限时PIML收益最明显（任务1和任务3），而任务2中两者已较强（AUC>0.80）。Tian et al.曾为PTB-EIS设置引入专用filter-predictor策略和额外特征构建；本研究的早产基线采用统一一般流程，未加入PTB特异读数选择或复杂特征工程。传统贝叶斯诊断如Chatzimichail and Hatjimihail所述依赖预定义或已知分布，PIML则将其与完整ML流程连接。

研究结论（译自摘要）：研究结果表明，与标准ML方法相比，PIML总体改善诊断性能，并相对于知识级和特征级先验整合策略提供具有竞争力或更优的性能。这项工作提出了一个创新、系统的框架，在应对异质临床环境中的医学诊断挑战方面具有广泛采用的强大潜力。