《Journal of Eye Movement Research》：Amplitude–Frequency Characteristic as a Novel Eye-Tracking Diagnostic Feature: A Pilot Study on an Open ADHD Dataset
编辑推荐：
生物系统的频率特性是描述生理动力学的敏感工具，但在瞳孔测量学中几乎未被使用。本研究提出一种新的眼动特征——"刺激–瞳孔尺寸"系统的幅频特性（AFC），并在一个开放的注意缺陷多动障碍（ADHD）数据集上将其作为候选诊断标志物进行评估。经质量控制后，共分析61个会
生物系统的频率特性是描述生理动力学的敏感工具，但在瞳孔测量学中几乎未被使用。本研究提出一种新的眼动特征——"刺激–瞳孔尺寸"系统的幅频特性（AFC），并在一个开放的注意缺陷多动障碍（ADHD）数据集上将其作为候选诊断标志物进行评估。经质量控制后，共分析61个会话（18名对照、27名未用药ADHD、16名用药中ADHD）。原始直径信号的AFC显示，ADHD在0.5–30 Hz范围内AFC幅值系统性升高，以20–30 Hz频段最为显著（Cohen's d = +0.995，p = 0.0034）。本研究为先导性、以方法学和可重复性为重点的研究。在个体诊断层面，由三个频段（10–15、15–20、20–30 Hz）构成的常模复合z分数，以固定权重、无需训练的方式相对于对照组计算，达到ROC-AUC = 0.788（对照 vs. 未用药ADHD：p = 0.0012）。在组水平，对八频段剖面进行线性判别投影达到ROC-AUC = 0.854。未用药ADHD中个体内AFC稳定性的个体间变异缩小为原来的1/2.97（p = 0.0085），并在哌甲酯作用下恢复正常（配对Wilcoxon p = 0.0067，n = 17）。广泛使用的高/低频AFC幅值比对预滤波信号给出虚高的ROC-AUC = 0.865，但对原始信号仅为0.63。所有诊断性结论均为探索性。所提出的常模特征简单、可解释、无需训练集，且可由单次瞳孔记录计算得出。
注意缺陷多动障碍（ADHD）是最常见的神经发育障碍之一，影响3%–9.5%的学龄儿童及多达3%的成人，以持续性注意缺陷、多动和冲动为特征，并伴有焦虑、情感障碍、行为障碍及睡眠紊乱等共病风险。目前ADHD诊断仍完全依赖行为学标准，主观性大、诊断变异明显，且"ADHD"这一伞式诊断下可能掩盖不同神经生物学亚型，导致兴奋剂的不当处方。因此，寻找客观、无创、廉价的ADHD生物标志物仍是重要任务。在ADHD的神经生物学理论中，觉醒调节失调假说受到关注：其关键神经生物学基础为蓝斑（LC）——脑干中皮层去甲肾上腺素的唯一来源，其活动与自主神经系统（ANS）状态密切相关，而瞳孔尺寸是LC–NA系统活动最方便的外周指标，故瞳孔测量学被认为是评估精神障碍中ANS状态的有前景方法。系统综述显示多数ADHD研究揭示低觉醒状态，荟萃分析证实哌甲酯可提高觉醒水平、使ANS活动正常化。关键瞳孔研究显示ADHD儿童探针诱发的最大瞳孔尺寸显著较低，且与反应准确性（ρ = +0.63）及反应时变异（ρ = ?0.68）相关，哌甲酯作用下差异消失。然而既有研究（包括该关键研究）多局限于固定时间窗内的瞳孔幅值分析，未利用反应的动态结构；而瞳孔反应的时间动力学可能携带单个数值分析所不具备的额外诊断信息。本研究据此引入幅频特性（AFC）作为诊断标志物：对线性动力系统，若以足够宽频带的信号激励，可由输入输出幅值比随频率的变化实验获得AFC曲线。应用于瞳孔时，低频成分（0.5–5 Hz）与觉醒总体水平及注意缓慢转移相关，高频成分（10–30 Hz）与微眼动及自主调节不稳定性相关的快速波动有关。研究假设为ADHD中这些状态间的频谱平衡受到扰动。已有研究将瞳孔频率分析与认知负荷相联系，但以"刺激–瞳孔尺寸"系统AFC形式用于ADHD诊断尚未开展。本研究作出四项贡献：方法学上，提出在原始瞳孔信号上计算"刺激–瞳孔尺寸"系统AFC的新方法；诊断上，提出三频段（10–15、15–20、20–30 Hz）AFC常模复合z分数作为个体诊断特征，并报告八频段剖面线性判别投影作为组水平判别信息上界；生理学上，发现未用药ADHD中个体内AFC稳定性的个体间变异缩小并在哌甲酯下正常化；可重复性上，揭示高/低频AFC幅值比在预滤波信号上AUC虚高而在原始信号上显著降低，提示瞳孔AFC标志物对预处理的依赖性。研究结论为：所提出的基于原始瞳孔信号的"刺激–瞳孔尺寸"系统AFC新诊断特征在61个会话（18对照、27未用药ADHD、16用药中ADHD）上显示，三频段AFC常模复合z分数可区分组别且具生理可解释性；个体诊断AUC = 0.788（z > 0.5时灵敏度0.59、特异度0.78、准确率0.67），无需训练集；八频段LDA投影AUC = 0.854；频段选择扰动下AUC在0.774–0.817间变动；0.5–5 Hz频段个体内AFC稳定性的个体间方差在未用药ADHD中缩小2.97倍（Levene p = 0.012；置换p = 0.0085）并在哌甲酯下正常化（配对n = 17，复合z分数由+1.33 ± 1.73降至+0.07 ± 1.15，Wilcoxon p = 0.0067，dz = ?0.80；LDA分数由+1.88 ± 1.83降至+0.41 ± 1.53，p = 0.0110，dz = ?0.67）；高/低频比在预滤波信号上AUC = 0.865而原始信号仅0.63；ASD数据集探索性先导（5例ASD、10例TD）显示该方法可迁移至扫视锁时输入。研究确立AFC特征的可行性、可重复性与可迁移性，所报AUC为试样本内估计，留一法验证固定三频段复合得AUC = 0.784，提示其在对照参考重估下稳定；灵敏度与准确率属初步结果，需在更大独立队列中确认后方可提出临床阈值。未来方向包括跨诊断验证、治疗前瞻性监测、与脑电图整合以及更大样本的机器学习分类器。本研究采用Rojas-Líbano等（2019）发布于Figshare的公开数据集（CC BY 4.0，.mat/HDF5格式），原始记录67个会话，经质量控制后61个会话进入主分析；三名离群会话（被试4、31、54）在组水平与方差分析中剔除，但在配对分析中保留以保全17对；因数据集以不同被试标识存储用药前后会话，通过匹配相同WISC剖面重建会话对应关系。全部计算在Google Colaboratory环境以Python 3.13及NumPy、SciPy、h5py、scikit-learn、statsmodels、pandas、Matplotlib完成，采用IEEE 754 binary64双精度。关键技术方法包括：（1）从Task_data结构提取原始Diameter信号，按试次时间戳分段并重采样至8000样本（1000 Hz下8 s），线性插值NaN、去线性趋势并z标准化；剔除短于7000样本的试次，7000–7999样本者边缘复制填补，平均每会话约126/160试次通过，要求每被试至少10个有效试次以保证0.5–30 Hz范围内AFC稳定；（2）构建规范刺激——8000样本区间上的二值函数，以三个点阵、分心物与探针呈现时刻为显著点，有效样本4250/8000（53.1%），因任务为认知性、光照受控且各被试刺激相同，畸变在组间比较中抵消；（3）基于ERP平均信号，以Welch法（nperseg = 1024，分辨率0.98 Hz，Hann窗，50%重叠）估计输入单边功率谱密度Sxx(f)与互谱密度Sxy(f)，取H(f) = Sxy(f)/Sxx(f)的模|H(f)|为AFC，分母加ε = 10?12保证数值稳定，并表示为八频段向量及高/低频比；（4）常模复合z分数：按效应量选取三个诊断显著频段，以对照组均值μb与标准差σb固定计算复合z分数，无需训练，决策规则z > 0.5；（5）以单成分LDA对八频段剖面作组水平探索性分析，训练集标准化后投影并相对对照组转换为z分数；（6）逐试次计算AFC矩阵，定义个体内标准差σs(f)及积分稳定性度量，以Levene检验结合bootstrap（n = 5000）与置换（n = 2000）比较个体间方差；（7）配对分析采用Wilcoxon符号秩检验与配对Cohen's dz；（8）统计分析采用Mann–Whitney U检验、Cohen's d、bootstrap中位数差95% CI（3000次迭代）、Kruskal–Wallis H检验及FDR校正（Benjamini–Hochberg，α = 0.05，1025个频率点）、分类置换1000次与方差比置换2000次。研究结果如下：3.1 原始信号的比较频谱分析——原始Diameter信号功率集中于1–4 Hz频段（11.2%），50 Hz以下其余频段合计约2%，4 Hz以上高频成分虽占比小但在原始信号中保留（预处理pupil_z信号则几乎无4 Hz以上功率）；个体AFC曲线显示ADHD曲线在0.5–30 Hz全范围系统性高于对照，10–30 Hz分歧最大；频段比较显示未用药ADHD的AFC幅值在0.5–30 Hz全范围系统性升高，以20–30 Hz效应最强（d = +0.995，p = 0.0034）。3.2 常模复合z分数作为个体诊断特征——对照组参考值固定为μ10–15 = 0.1500、σ10–15 = 0.0662，μ15–20 = 0.1454、σ15–20 = 0.0871，μ20–30 = 0.1399、σ20–30 = 0.0568；三组差异显著（对照 vs. 未用药：p = 0.0012，d = +0.98；未用药 vs. 用药：p = 0.020），用药组与对照无显著差异（p = 0.479）；复合z分数ROC-AUC = 0.788，阈值z > 0.5时灵敏度0.59、特异度0.78、准确率0.67。3.3 复合z分数对频段选择的稳健性——频段数由2增至8时AUC在0.778–0.817间变动（幅度0.039），以中位数或Fisher法替代均值使AUC变动至多0.014，替代频段边界使AUC变动0.008，总体AUC范围0.774–0.817，各配置均远高于随机；前三频段固定复合AUC = 0.788，全八频段固定复合AUC = 0.817，LDA投影AUC = 0.854，0.029与0.037的差距分别代表生理可解释性与免训练性的代价。3.4 全AFC剖面的线性判别投影（组水平分析）——判别方向由1–2 Hz频段（正向，ADHD）与20–30 Hz频段（正向，ADHD）主导；LDA z分数三组差异显著（对照 vs. 未用药：p = 0.0001；未用药 vs. 用药：p = 0.020），用药组与对照无显著差异（p = 0.221）；ROC-AUC = 0.854，阈值z > 0.5时灵敏度0.74、特异度0.78、准确率0.76；0.066的差距量化了全频谱剖面所含额外判别信息及免训练性的代价。3.5 用药下诊断分数的配对分析——17名兼具用药前后会话的儿童中，复合z分数由+1.327 ± 1.730降至+0.068 ± 1.152，平均变化Δ = ?1.259 z单位，Wilcoxon W = 21.0、p = 0.0067、dz = ?0.798，17名中12名下降，用药后分值基本处于对照参考水平；LDA分数由+1.876 ± 1.832降至+0.411 ± 1.527，Δ = ?1.465，W = 24.0、p = 0.0110、dz = ?0.667，17名中12名下降，配对效应对诊断特征的选择稳健；n = 17时检验效能有限，结果应结合效应量（dz ≈ ?0.7至?0.8）与个体变化方向一致性解读。3.6 AFC稳定性的个体间变异——个体内AFC稳定性度量（0.5–5 Hz）的组均值无显著差异（p = 0.54），但其个体间方差显著不同：未用药ADHD方差为对照的1/2.97（Levene p = 0.012；置换p = 0.0085；bootstrap 95% CI [1.33, 5.92]，P(ratio > 1) = 0.9934），哌甲酯下恢复至对照水平（Levene未用药 vs. 用药p = 0.003；对照 vs. 用药p = 0.78）；随机拆分对照组得比值1.21 ± 0.81，证实效应非样本量伪迹；置换检验显示LDA分类器真实AUC = 0.854、打乱AUC = 0.50 ± 0.11（p < 0.001），常模复合打乱AUC = 0.50 ± 0.11对观测0.788，方差比p = 0.0085。3.7 向另一输入–输出系统的可迁移性：ASD数据集先导——采用Cilia等公开ASD与TD数据集，以扫视为时刻的脉冲串为输入x(t)、右瞳孔z标准化直径为输出y(t)；扫视检测包括30 Hz四阶Butterworth低通预滤波、两样本窗（2 ms）中心有限差分速度并六样本滑动平均平滑、连续6样本以上速度阈值30°/s及最小扫视间隔50 ms的起始/终止检测，输出为不加额外滤波的右眼z标准化直径；结果显示ASD者|H(f)|呈稳定下降（斜率≈?0.46）且变异窄（范围[?0.63, ?0.26]），TD者状态变异更宽（范围[?0.71, +0.01]），其模式与ADHD定性不同（ASD低频传递增强、状态变异收窄，符合"运动输出–自主调节"联结的僵化），该先导为探索性（5例ASD、10例TD），不构成对ASD的诊断主张。讨论部分总结：本研究在ADHD儿童的"刺激–瞳孔尺寸"系统AFC中识别出两个独立效应。其一为判别性频谱模式：频段比较显示未用药ADHD在0.5–30 Hz全范围AFC幅值系统性升高，以20–30 Hz效应最强（d = +0.995，p = 0.0034），1–2、4–6、6–10、10–15、15–20 Hz频段亦显著，三频段常模复合z分数ROC-AUC = 0.788，最优决策规则为z > 0.5。其二为个体间变异缩小：个体内AFC稳定性的组均值无差异（Mann–Whitney p = 0.54），但其方差在未用药ADHD中缩小2.97倍（p = 0.0085）并在哌甲酯下正常化（Levene未用药 vs. 用药p = 0.003），提示ADHD以自主调节谱个体间分布收窄为特征；文中"自主调节空间收窄"仅为描述性用语，并非自主神经生理学的标准构念。治疗敏感性方面，配对分析强化了两项发现：常模复合z分数用药前后平均变化?1.259 z单位（p = 0.0067），LDA分数变化?1.465 z单位（p = 0.0110），两者用药后均值与对照参考在统计上不可区分。个体诊断层面常模复合z分数无需训练；组水平八频段LDA投影AUC = 0.854，0.066的差距量化了免训练性的代价。所提诊断特征遵循临床生理学的经典逻辑——参考人群定义常模、个体以偏离常模的标准差刻画，与儿科生长曲线、内分泌学z分数及实验室诊断参考范围同理；对照组提供各诊断显著频段的参考值μb与σb，个体诊断特征为偏离这些参考值的复合z分数，不涉及学习、超参数或分类器训练，这使其区别于需训练样本的机器学习标志物，固定公式原则上可在新被试上直接计算，但同一参考值能否跨诊所与设备迁移是本先导未解决的独立实证问题。方法学观察：原始数据集提供的pupil_z信号已由作者按0.025–4 Hz带通滤波，几乎去除4 Hz以上全部频谱功率，故在该预处理信号高频段计算的任何AFC衍生特征反映的是残余滤波瞬态而非生理；为避免该伪迹，本研究全部分析基于从原始.mat文件Task_data结构提取的原始Diameter信号，滤波与原始信号间的差异幅度提示AFC衍生特征一般应在原始信号上验证，依赖高频段的研究应明确报告滤波参数。该方法的关键优势是简洁：八频段AFC剖面由单次瞳孔记录计算，常模复合z分数为固定线性组合，对新数据既不需训练集也不需超参数，临床上可由单次会话计算，z > 0.5的决策规则提供灵敏度0.59、特异度0.78的平衡工作点。生理解释：频段模式显示ADHD中AFC在0.5–30 Hz全范围升高，效应量最大者位于高频段（20–30 Hz，d = +0.995；10–15 Hz，d = +0.860）及6–10 Hz频段（d = +0.792），这与低觉醒理论一致——ADHD中与微眼动及自主调节不稳定相关的快速波动增强，反映控制较不稳定且灵活性较低；个体间变异缩小更为微妙：健康儿童个体内AFC稳定性剖面差异大，可能反映自主调节策略的多样性，而ADHD中该多样性缩小约三倍、哌甲酯使之恢复，这与将ADHD视为调节灵活性降低状态的解释一致；配对结果亦与此相符：若ADHD反映自主调节向较不稳定、较高幅值状态偏移，则提高去甲肾上腺素能张力的哌甲酯应使AFC模式回归对照剖面，数据证实了这一点。研究局限：属先导性设计而非临床验证，主任务61个会话、用药效应分析17对仅构成先导，目的在证明可行性、可重复性与可迁移性而非确立临床截断值，所报AUC为试样本内估计，固定三频段复合的留一法验证给出了一致值（AUC = 0.784），提示复合在对照参考重估下稳定，所报灵敏度与准确率应视为初步、需在更大独立队列中确认后方可提出临床阈值；三名离群会话（被试4、31、54）在组水平与方差分析中剔除，但在配对分析中保留以保全17对；公开数据集仅含平均直径值，未使用独立的瞳孔高度/宽度；采用理想化矩形脉冲的规范刺激，光照受控；所有患者均为ADHD混合型；基于WISC的配对方法可行但属变通方案；ASD可迁移性先导基于5例ASD与10例TD，不构成对ASD的诊断主张。
