《Healthcare Analytics》：A Leakage-Free Analytics Framework for Subject-Wise Electrocardiogram-Based Sleep Apnea Detection Using Machine Learning
编辑推荐：
睡眠呼吸暂停与睡眠质量下降及心血管风险升高相关，因此需要可靠的自动化筛查方法。尽管基于心电图（ECG）的检测方法已显示出有希望的结果，但报告的性能值可能受到允许训练数据与测试数据之间信息泄漏的评估策略的影响。研究人员利用PhysioNet Apnea-ECG数
睡眠呼吸暂停与睡眠质量下降及心血管风险升高相关，因此需要可靠的自动化筛查方法。尽管基于心电图（ECG）的检测方法已显示出有希望的结果，但报告的性能值可能受到允许训练数据与测试数据之间信息泄漏的评估策略的影响。研究人员利用PhysioNet Apnea-ECG数据库，在严格的受试者分离条件下研究基于ECG的睡眠呼吸暂停检测。将35份采样率为100 Hz的标注单导联ECG记录根据分钟级呼吸暂停标签划分为不重叠的60秒片段。提取了统计ECG描述符和时域心率变异性特征，并使用k近邻（KNN）、支持向量机（SVM）和随机森林（RF）分类器进行评估。此外，直接在滤波后的ECG片段上训练了一个轻量级一维卷积神经网络（1D-CNN）。采用了受试者层面训练-测试分离的重复留出验证，并在每次重复中仅从训练数据估计归一化参数以防止信息泄漏。使用准确率、平衡准确率、精确率、召回率、特异度、F1分数、ROC-AUC、Cohen's kappa和Golden Distance（GD）评估模型性能。在代表性的受试者分离评估中，随机森林取得了最平衡的性能，获得了最高的平衡准确率（0.70）和最低的GD（0.56）。在重复的受试者分离留出实验中，SVM取得了最强的平均整体性能，产生了最高的平均准确率（0.72）、平衡准确率（0.69）、ROC-AUC（0.77）和Cohen's kappa（0.39），以及最低的平均GD值（0.58）。轻量级1D-CNN在训练过程中稳定收敛，但在未见过的受试者上的性能仍低于基于手工特征的模型。
**研究背景与问题**
睡眠是维持认知功能、代谢调节和心血管健康的基础生理过程，而阻塞性睡眠呼吸暂停（OSA）作为最常见的睡眠障碍之一，因反复呼吸中断导致血氧去饱和、自主神经失衡及心血管负荷增加，与高血压、心律失常、心力衰竭等疾病密切相关。传统诊断依赖整夜多导睡眠监测（PSG），但需专业设备和实验室支持，难以大规模推广。心电图（ECG）因其广泛可用性、低成本和与自主神经调节的直接关联，成为替代检测方案的研究热点。然而，现有基于ECG的睡眠呼吸暂停检测研究常采用随机样本级数据划分策略，导致来自同一受试者的ECG片段同时出现在训练集和测试集中，引发信息泄漏（Information Leakage），使得模型可能学习受试者特异性模式而非呼吸暂停相关生理特征，性能被过度乐观估计。为此，研究人员开展本研究，旨在严格受试者分离（Subject-Wise）条件下评估经典机器学习模型与轻量级深度学习模型的无泄漏泛化能力，论文发表在《Healthcare Analytics》。
**研究方法与技术**
本研究使用PhysioNet平台公开的Apnea-ECG数据库，包含35份标注单导联ECG记录（采样率100 Hz），按分钟级呼吸暂停标签划分为17,023个非重叠60秒片段（6,511个呼吸暂停，10,512个正常）。主要技术方法包括：（1）预处理：应用0.5–40 Hz四阶巴特沃斯带通滤波器消除基线漂移和高频噪声；（2）手工特征提取：基于R波检测（SciPy find_peaks，最小峰值距离50样本），为每个片段提取统计ECG特征（均值、标准差、最小/最大幅值、信号能量）和时域心率变异性（HRV）特征（平均RR间期、SDNN、RMSSD、心率），排除少于3个R波的片段（7个正常片段被剔除）；（3）分类模型：采用k近邻（KNN，k=5）、支持向量机（SVM，RBF核）、随机森林（RF，100棵树）及轻量级一维卷积神经网络（1D-CNN，3层卷积，16/32/64滤波器，核大小7/5/3，全局平均池化，全连接32神经元，dropout 0.3，总参数11,489）；（4）评估策略：采用受试者层面70/30重复留出验证（10次不同随机种子），归一化参数仅从训练数据估计，禁止任何受试者重叠，以杜绝信息泄漏。评估指标包括准确率、平衡准确率、精确率、召回率、特异度、F1分数、ROC-AUC、Cohen's kappa和Golden Distance（GD）。
**研究结果**
**经典机器学习模型性能比较**：在代表性受试者分离评估中，随机森林取得了最高准确率（0.72）和平衡准确率（0.70），并产生最低GD值（0.56），表明其分类性能最为均衡。SVM获得了最高ROC-AUC（0.80），KNN则表现出较高的召回率（0.62）。Golden Distance分析（NAV-DCO图）进一步确认随机森林最接近理想分类点。ROC曲线分析显示SVM的AUC最高（0.80），随机森林紧随其后（0.77）。混淆矩阵分析揭示，SVM正确识别了大量正常片段但假阴性较多（召回率低），KNN敏感性更平衡但整体区分能力有限，随机森林在呼吸暂停与正常片段检测间实现了较佳平衡。
**轻量级1D-CNN性能**：轻量级1D-CNN在受试者分离条件下性能低于手工特征模型，其准确率为0.62，平衡准确率为0.55，召回率低至0.26，GD值高达0.79。训练和验证损失曲线显示训练过程稳定收敛且无严重过拟合，早期停止机制有效，但未见受试者泛化能力仍不及经典机器学习方法。ROC曲线进一步证实其区分能力较弱（AUC为0.69）。
**特征重要性分析**：通过随机森林特征重要性排序，ECG最小幅值、最大幅值和SDNN（反映整体RR间期变异性）贡献最大；RMSSD（代表短期逐搏变异性）、心率和平均RR间期也表现出较高重要性，表明ECG形态描述符与HRV时域特征共同提供了呼吸暂停判别的互补生理信息。
**重复留出实验**：在10次重复受试者分离实验中，SVM取得最强平均性能——最高准确率（0.72±0.05）、平衡准确率（0.69±0.06）、ROC-AUC（0.77±0.08）、Cohen's kappa（0.39±0.11）及最低GD值（0.58±0.08）。随机森林特异度最高（0.86±0.04），KNN和SVM的召回率均高于随机森林。95%置信区间分析支持上述排名一致性。
**讨论与结论**
本研究证明了在严格无泄漏受试者分离条件下，基于手工特征的经典机器学习模型（尤其是SVM）能够获得相对稳定的泛化性能，而轻量级1D-CNN因有限受试者数量难以学习鲁棒表示，性能受限。研究结果强调了信息泄漏对性能估计的显著高估效应，并与文献报道中因评估策略差异导致的性能对比困难一致。手工特征（如SDNN、RMSSD）的持续有效性表明，即使在深度学习时代，生理学可解释的特征在小型数据集和受试者独立场景中仍具实用价值。研究结论翻译如下：“本研究在旨在更好模拟未见受试者行为的严格无泄漏受试者分离设置下，使用经典机器学习模型和轻量级1D-CNN调查了基于ECG的睡眠呼吸暂停检测。在评估的方法中，随机森林在代表性受试者分离评估中产生了最均衡的分类轮廓，而SVM在重复的受试者分离留出实验中取得了最强的平均性能。尽管轻量级1D-CNN显示了稳定的训练行为，其在先前未见个体上的结果仍低于基于手工特征的方法，表明在有限的生物医学数据集中，稳定优化本身并不能保证更好的泛化能力。结果表明，统计ECG描述符和时域心率变异性特征在现实评估场景下仍为呼吸暂停检测提供有意义的生理信息。除单个分类器的比较外，本研究强调了在实验过程中保持受试者分离的重要性，因为报告的性能可能因评估策略而显著变化。因此，无泄漏验证协议可能为基于ECG的监测系统提供更可靠的模型实际行为估计。未来研究可使用更大数据集、外部验证程序和模态生理记录进一步探讨这些发现。尽管获得的性能水平表明实际临床应用需进一步改进，但结果表明在严格受试者分离条件下ECG睡眠呼吸暂停检测仍然可行，并可作为支持性预筛查或风险评估工具。研究结果还强调了在估计生物医学机器学习系统的潜在临床效用时，现实评估协议的重要性。”
