用于识别伴轻度和重度失眠中老年人群认知损害的 Interpretable Machine Learning Models 的开发、时序验证及临床外部验证

《Frontiers in Aging Neuroscience》：Interpretable machine learning models for identifying cognitive impairment in middle-aged and older adults with mild and severe insomnia: development, temporal validation, and clinical external validation

　　

背景（Background）：认知损害是中老年人重要的健康问题，失眠可能与认知易感性增加相关。然而，专门针对按睡眠时长定义的失眠严重程度分层、用于识别个体当前认知损害的模型仍较缺乏。本研究旨在开发并验证可解释的机器学习模型，用于轻度与重度失眠亚组中当前认知损害的识别。 方法（Methods）：采用 CHARLS 2015 数据作为开发队列，CHARLS 2011 作为跨波时序验证队列，甘肃省人民医院临床数据作为临床外部验证队列。根据自我报告夜间睡眠时长将失眠受试者分为轻度与重度亚组。使用 LASSO 回归进行特征筛选，比较候选机器学习算法进行模型选择。选定 LightGBM 模型后进一步采用贝叶斯优化及最优阈值分析评估。模型性能通过 AUROC、Brier Score、校准曲线、决策曲线分析（DCA）及基于 SHAP 的可解释性分析进行评价。 结果（Results）：开发、跨波时序验证及临床外部验证队列分别纳入 5500、4231 及 500 名受试者。LightGBM 综合表现最为均衡。轻度失眠亚组中 LightGBM 三队列 AUROC 分别为 0.772、0.749 及 0.748；重度失眠亚组相应 AUROC 分别为 0.763、0.757 及 0.750。贝叶斯优化获得可比的外部验证区分度，最优阈值分析改善了分类性能指标。SHAP 分析提示不同失眠严重度下特征贡献模式存在差异。 结论（Conclusion）：LightGBM 对两失眠亚组当前认知损害风险的识别均具中等且相对稳定的性能。结合 SHAP 解释及在线计算器，该模型可辅助筛查、初步风险分层及转诊优先排序以行正式认知评估，但不应作为独立诊断工具或未来首发认知损害预测工具。

论文解读：《用于识别伴轻度和重度失眠中老年人群认知损害的 Interpretable Machine Learning Models 的开发、时序验证及临床外部验证》

该研究发表于《Frontiers in Aging Neuroscience》。随着全球人口老龄化加剧，认知损害（Cognitive Impairment, CI）及痴呆疾病负担持续上升，早期识别高危人群并实施分层管理成为老年医学与公共卫生的重点。失眠是中老年人常见睡眠障碍，既往研究表明失眠与认知老化及阿尔茨海默病风险增加相关，且失眠严重程度可能影响认知风险。然而，现有认知损害风险预测模型多聚焦一般老年人群，将睡眠信息仅作为一般协变量，尚缺乏针对按失眠严重程度分层人群、分别构建识别当前认知损害的可解释机器学习模型的研究。为此，研究人员基于中国健康与养老追踪调查（China Health and Retirement Longitudinal Study, CHARLS）数据及临床外部队列，分别为轻度与重度睡眠时长定义失眠的中老年人开发认知损害识别模型，并通过跨波时序验证及临床外部验证评估其泛化性能，结合 SHAP（SHapley Additive exPlanations）方法提供模型解释，以辅助睡眠门诊与基层初筛中的风险分层与转诊决策。

主要关键技术方法：

研究人员以 CHARLS 2015（n=5500）为开发队列，CHARLS 2011（n=4231）为跨波时序验证队列，以甘肃省人民医院横断面临床数据（n=500）为临床外部验证队列。纳入对象限定为自我报告夜间睡眠时长＜6小时并按≥5且＜6小时为轻度失眠（Mild Insomnia）、＜5小时为重度失眠（Severe Insomnia）。认知损害定义为 CHARLS 综合认知功能总分＜6分（满分21分，含情景记忆与执行功能）。候选预测变量涵盖人口社会学特征、生活方式、慢性病及体质与功能指标（ADL/IADL评分等）。缺失值采用 MICE（Multiple Imputation by Chained Equations）处理，分别对两亚组行 LASSO（Least Absolute Shrinkage and Selection Operator）回归筛选特征。比较 Logistic Regression（LR）、SVM、XGBoost、LightGBM（Light Gradient Boosting Machine）、Random Forest、Extra Trees及GLMNet七种算法，以5折分层交叉验证选优，对选定LightGBM行贝叶斯超参数优化及基于Youden指数与最大F1的最优阈值分析。性能评估指标含 AUROC、Brier Score、校准曲线及决策曲线分析（DCA），并用 SHAP 方法进行全局与局部可解释性分析，最终部署为在线风险计算器。

研究结果：

3.1 研究对象基线特征（Patient characteristics）：

开发队列、时序验证队列及临床外部验证队列平均年龄分别为61.53岁、60.82岁及63.64岁，认知损害患病率分别为21.84%、20.92%及32.00%。临床外部验证队列慢性病负担更重、ADL（Activities of Daily Living，日常生活活动能力）及 IADL（Instrumental Activities of Daily Living，工具性日常生活活动能力）评分更高，重度失眠比例（67.00%）高于另两队列，三组基线差异均有统计学意义（p＜0.05或p＜0.001）。

3.2 模型开发与性能评价（Model development and performance evaluation）：

LASSO筛选后轻度失眠亚组保留11个特征（含IADL评分、ADL评分、性别、饮酒、互联网使用、年龄、婚姻状况、户籍类型、教育水平、社会参与、血脂异常），重度失眠亚组保留17个特征（新增心脏病、自评健康状况、肾病、腰围、跌倒史、视力等）。七种算法比较显示，LightGBM在三队列中均具最低 Brier Score（轻度亚组：0.137、0.151、0.159；重度亚组：0.166、0.162、0.197）及较平衡的校准与DCA净获益。轻度失眠亚组 LightGBM 三队列 AUROC 分别为 0.772、0.749、0.748；重度失眠亚组分别为 0.763、0.757、0.750。虽然 Logistic Regression 与 GLMNet 个别队列 AUROC 略高，但 LightGBM 校准更优且跨队列稳定，故选为最终模型。贝叶斯优化后外部验证 AUROC 轻度亚组 0.744、重度亚组 0.749；应用开发集导出的最优阈值后，重度失眠亚组外部验证 F1 由 0.521 升至 0.612，轻度亚组 F1 由 0.462 升至 0.489（最大F1阈值），表明阈值优化可改善不平衡筛查场景下的分类性能。

3.3 SHAP模型可解释性分析（SHAP explainability analysis）：

轻度失眠亚组中贡献最大的前三位特征依次为户籍类型（农村＞城市升高风险）、性别（女性升高风险）、血脂异常，社会人口学因素、社会参与及功能状态贡献较大。重度失眠亚组中贡献最大的前三位为性别（女性）、社会参与（缺乏升高风险）、户籍类型，此外 IADL 评分、年龄、肾病及心脏病等慢性病史贡献较轻度亚组更突出。SHAP 依赖图显示年龄与 IADL 评分呈非线性或梯度关联，分类变量呈离散分布。两亚组特征重要性排序与贡献方向存在差异，提示不同失眠严重度下认知损害识别的横向特征贡献模式存在异质性。

3.4 在线评估工具开发（Development of an online assessment tool）：

基于最终 LightGBM 模型分别开发轻度与重度失眠亚组在线认知损害风险计算器，用户输入相关参数后可获得个体化损害概率估计、风险分层及特征贡献可视化，以辅助临床筛查与随访规划。

讨论与结论总结：

研究人员指出，LightGBM 在两类失眠亚组中均保持中等且相对稳定的区分度、较优校准及临床净获益，结合 SHAP 解释可转化为具临床可读性的辅助工具。共同影响因素方面，增龄、女性、低教育程度、IADL 受损、缺乏社会参与、农村户籍及不用互联网均关联更高认知损害风险，与认知储备及认知老化理论相符；需注意 IADL 为功能相关性指标而非因果预测因子。失眠严重度间差异表现为：轻度失眠亚组中社会人口学与行为因素（教育、互联网使用、婚姻、社会参与、户籍）贡献更突出，反映早期失眠阶段认知风险受社会资源影响较大；重度失眠亚组中功能性指标（IADL）及慢性病（心脏病、肾病）贡献更显著，可能反映严重睡眠不足叠加功能衰退与共病负担的综合关联。这些差异具探索性，非因果或机制结论。模型局限含 CHARLS 为自报告睡眠时长而非临床失眠诊断、研究为横断面识别而非纵向预测未来发病、临床外部验证为单中心且样本有限、部分功能指标与认知损害存在重叠。最终结论：LightGBM 模型对伴轻度和重度失眠中老年人的当前认知损害识别具中等且相对稳定性能，结合 SHAP 解释和在线计算器可辅助睡眠门诊及基层初步风险分层与转诊优先排序以行正式认知评估，但不作为独立诊断工具或未来首发认知损害预测工具，尚需前瞻性多中心研究进一步验证。