《Frontiers in Neurology》：Diagnostic and prognostic applications of machine learning in paediatric traumatic brain injury: a systematic review of single and multimodal approaches
编辑推荐：
背景：儿童创伤性脑损伤（paediatric traumatic brain injury, pTBI）是全球儿童致残的首要病因之一。尽管格拉斯哥昏迷量表（Glasgow Coma Scale, GCS）等传统工具是临床常规手段，但其在个体化诊疗中缺乏足够精度
背景：儿童创伤性脑损伤（paediatric traumatic brain injury, pTBI）是全球儿童致残的首要病因之一。尽管格拉斯哥昏迷量表（Glasgow Coma Scale, GCS）等传统工具是临床常规手段，但其在个体化诊疗中缺乏足够精度。本系统评价旨在评估机器学习（machine learning, ML）与深度学习（deep learning, DL）模型在pTBI急性损伤识别与长期预后预测中的应用价值。方法：本研究遵循PRISMA指南并在PROSPERO平台注册（CRD42024510419），检索5个数据库截至2026年5月的文献，纳入近期Transformer架构与梯度提升领域的进展。纳入标准聚焦于0~18岁儿科患者，采用单模态或多模态数据（临床、影像及生物标志物）进行TBI识别或结局预测。采用QUIPS与PROBAST工具评估方法学质量。结果：共纳入20项全文研究（涉及68331例受试者）。模型按功能分为急性诊断（如颅骨骨折检测、CT检查必要性分诊）与预后预测（如死亡率、6个月功能恢复）两类。XGBoost、随机森林（Random Forest）及卷积神经网络（convolutional neural networks, CNNs）等算法在特定场景中显示出超越传统回归模型的潜力，其中死亡率预测的受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUROC）最高可达0.98。但在低风险分诊场景中，ML模型的增益有限，未显著优于“无信息率”。结论：ML模型通过优化风险分层与自动化影像分析，在改善pTBI诊疗方面具有显著潜力。未来临床应用需重点关注模型可解释性（如SHAP值）、类别不平衡处理，并通过外部多中心验证确保区域普适性。系统评价注册：https://www.crd.york.ac.uk/PROSPERO/view/CRD42024510419，标识符CRD42024510419。
引言
儿童创伤性脑损伤（pTBI）是全球重大公共卫生挑战，是儿童残疾与死亡的主要诱因。受报告一致性限制，pTBI全球发病率难以精确量化，现有证据显示其年发病率为47~280/10万儿童，显著高于成人人群。pTBI结局异质性极高，即使损伤模式相似的患者，其长期神经认知与躯体恢复情况也存在显著差异，这一特点阻碍了标准化管理方案的制定，凸显了针对儿童特定损伤特征制定个体化预后策略的临床必要性。传统诊断与预后工具如格拉斯哥昏迷量表（GCS）和儿童死亡率指数（Paediatric Index of Mortality, PIM）缺乏提供个体化恢复谱系的精细度。GCS虽为有效的急性期评估工具，但无法涵盖特定损伤机制，也难以捕捉复杂的神经动力学变化与认知并发症。此外，已确立的计算机断层扫描（computed tomography, CT）分类系统（包括Marshall、Rotterdam、Helsinki及Stockholm评分）最初针对成人设计，多依赖线性相加假设，未能充分适配儿童独特的解剖与生理特征——如脑发育阶段的差异，而这些特征会显著影响恢复潜力与结局。机器学习（ML）与深度学习（DL）的快速发展为应对上述挑战提供了变革性路径，其可在高维多模态数据中识别潜在模式。人工神经网络（artificial neural networks, ANN）、随机森林、支持向量机（support vector machines, SVM）等ML架构擅长挖掘临床发现、神经影像与生化标志物间的非线性关联。现有证据表明，此类模型在预测6个月功能恢复、死亡率等关键结局时，预测效能常优于传统临床评分工具。当前亟需验证可将影像、实验室指标与临床评估等多模态数据整合至个体化预后模型的方法。现有pTBI领域的ML研究目标异质性较强，涵盖从急性颅内损伤检测、影像分诊到长期功能预后预测等多个方向。部分研究聚焦诊断或分诊任务，包括颅内异常自动识别、颅骨骨折检测，或通过预测有临床意义的CT征象减少不必要的辐射暴露；另一部分研究则评估死亡率、出院去向或基于格拉斯哥结局量表（Glasgow Outcome Scale, GOS）的功能神经结局等预后终点。由于研究目标存在差异，跨文献直接比较模型性能需谨慎解读。预测急性影像学发现的诊断模型与估计纵向结局的预后模型在方法学与临床上存在本质区别，因此本综述按主要临床目标对研究进行分层，以提升解读准确性，避免过度泛化ML方法的比较结论。既往Lampros等的系统评价与Salda?a-Rimarachin等的范围综述已总结了ML与人工智能在pTBI中的应用，尤其涉及CT分诊、诊断与预后预测模型，但这些综述主要关注整体模型性能与文献的主题映射，对方法学细节的探索仍不充分，包括急性诊断系统与纵向预后模型的区分、重叠患者队列、外部验证缺失、多模态数据整合、可解释人工智能框架，以及对TRIPOD、PROBAST等报告规范与偏倚风险评估标准的依从性。因此，本综述旨在提供更结构化的方法学综合，重点关注研究设计、模型架构（包括XGBoost、CatBoost、卷积神经网络）、预测终点与临床适用性的差异，系统梳理现有证据基础，明确需进一步验证与标准化的领域。截至目前，尚无系统评价在评估多模态数据分析与ML算法在儿科人群中作用的同时，对急性检测与长期功能恢复进行如此清晰的层级划分。
方法
本研究已在PROSPERO平台注册（CRD42024510419），并严格遵循PRISMA 2020指南开展。研究构建了PRISMA流程图，详细记录文献识别、筛选、合格性评估与纳入的全过程。检索覆盖PubMed、Embase、Scopus、Web of Science与Cochrane Library 5个电子数据库，时间范围为2015年1月1日至2026年5月31日，限定2015年后文献以纳入与当前临床AI应用相关的现代ML方法。检索策略整合了特定ML算法相关术语，具体检索词组合为：（“paediatric traumatic brain injury” OR “pTBI”）AND（“machine learning” OR “deep learning” OR “artificial intelligence” OR “convolutional neural network” OR “CNN” OR “random forest” OR “XGBoost” OR “gradient boosting” OR “support vector machine” OR “SVM” OR “transformer” OR “artificial neural network” OR “neural network” OR “radiomics” OR “classification” OR “predictive model”）AND（“prognosis” OR “prediction” OR “outcomes” OR “diagnosis” OR “triage”）。检索未设置语言限制，同时通过手动筛查纳入文献的参考文献列表以补充相关文献。
纳入标准如下：研究对象为0~18岁接受TBI评估的患者，其中Kim等研究的上限年龄为19岁，但因该队列以儿科人群为主（中位年龄6岁，四分位距1.75~13岁），75%分位数远低于本综述18岁的阈值，且该研究聚焦自动化颅内密度测定这一独特方向，少量晚青少年受试者的纳入被认为不会显著改变损伤模式的密度特征，故予以保留；研究需采用ML或DL进行急性损伤检测或预后预测；结局指标需为急性颅内异常识别（如颅骨骨折、CT检查必要性）或纵向结局预测（如死亡率、基于GOS/King's Outcome Scale for Childhood Head Injury, KOSCHI的功能状态）。排除标准为：综述或病例报告；方法学细节不足以致无法核实ML架构（定义为未报告算法名称、验证方法与AUROC等主要性能指标）；仅关注成人人群且无独立儿科亚组分析；会议摘要无全文可用——此类研究被排除于主要定性综合与偏倚风险评估外，仅在必要时用于背景讨论。
为提升概念一致性，纳入研究按主要临床类别分层：急性损伤检测（诊断/分诊）指识别同期颅内异常的模型，如颅骨骨折识别或急性CT检查必要性分诊；预后预测指预测未来临床结局的模型，如住院死亡率或6个月功能恢复。同时定义“多模态数据”为整合至少两类数据的特征：临床（生命体征/GCS）、放射学（影像特征）、生化（实验室标志物）或社会经济学（健康社会决定因素）；仅使用单一数据类别（如单纯影像或单纯实验室指标）的研究归为单模态方法。
文献筛选与数据提取由两名独立研究员完成，首先筛选标题与摘要，随后对合格记录进行全文评估，分歧通过共识或咨询第三名研究者解决。为确保报告透明度，采用Mendeley进行去重后手动核查，以保证流程图的计数准确。数据提取采用标准化模板，涵盖研究设计、地理区域、样本量、年龄范围、数据模态、具体ML算法、验证方法（内部交叉验证、留出测试或外部验证）及性能指标（灵敏度、特异度、AUROC、阳性预测值positive predictive value, PPV、阴性预测值negative predictive value, NPV）。
方法学质量与偏倚风险采用预测模型偏倚风险评估工具（Prediction model Risk Of Bias Assessment Tool, PROBAST）进行评估，该工具涵盖参与者选择、预测因子、结局与分析4个领域。针对评估单个预后因素而非完整预测模型的研究，额外采用预后研究质量工具（Quality In Prognosis Studies, QUIPS）。20项全文研究均接受完整评估，3项仅获摘要的研究因数据不完整可能导致偏倚评分失真，被排除于正式PROBAST评分外。
结果
文献检索共识别267条记录，去除120条重复记录后，筛选147篇标题与摘要，排除105篇，对42篇报告的全文进行评估，最终39篇获得全文并评估合格性，19篇全文研究被排除并列出排除原因，20项研究进入详细定性分析，另有Greenan等、Singh和Rakhra、Kaliaev等3项研究基于摘要纳入作为背景文献。
纳入研究的特征显示，证据基础以回顾性队列研究为主，地理分布集中于美国（n=7）、中国（n=3）、泰国（n=2）与韩国（n=2），其余来自新加坡、英国、加拿大、日本、葡萄牙与澳大利亚。研究合成的重要发现是证据集中于数个核心数据库，解读累计受试者计数（48382例独立受试者）时需谨慎：多项研究分析了北美PECARN数据库的亚组（n=43399），包括Yadav等、Rowe等、Ellethy等与Zou等的研究；Miyagawa等虽采用PECARN临床决策规则，但分析的是日本本地独立队列（n=1100）；Fonseca等与Steinmetz等使用了科罗拉多大学同一机构数据集（300例儿科患者）；Tunthanathip等的2项研究使用了泰国宋卡王子大学的关联亚组数据库（n=964）；其余研究使用独立数据集，包括范德堡大学、郑州大学、首尔国立大学、浙江大学等的数据，共3719例独立受试者。
急性损伤检测与诊断分诊部分的结果显示：基于影像的损伤识别中，先进DL架构在放射学判读中表现出优异的诊断效能。Choi等采用YOLOv3目标检测模型识别儿童X线平片中的颅骨骨折，内部测试AUROC达0.922，外部验证AUROC为0.870；Kim等整合自动化颅内密度测定与临床特征预测手术需求，AUROC达0.91；Raji等采用边缘密度成像区分轻度TBI（mTBI）与对照组，准确率达94%。临床分诊与CT检查必要性预测模型的辐射暴露最小化效果存在异质性：Miyagawa等采用决策树对婴儿进行分诊，准确率达95%；Zou等提出的PermFIT-DNN框架预测TBI状态的AUROC为0.794；Ellethy等报道混合随机森林-人工神经网络（RF-ANN）模型识别CT上的mTBI准确率达99.74%；但Rowe等发现4种算法（逻辑回归logistic regression, LR、分类与回归树classification and regression tree, CART、随机森林random forest, RF、梯度提升机gradient boosting machine, GBM）在低风险分诊中未优于“无信息率”；Tunthanathip等实现AUROC 0.80，但灵敏度仅为34%。临床报告自动分类方面，Yadav等验证了混合自然语言处理-机器学习（NLP-ML）系统，采用CART自动分类2121份自由文本放射报告，该系统识别阴性报告的效能稳健（NPV 99.2%），但PPV较低（43.6%）。
预后预测部分的结果显示：死亡率预测模型中，随机森林与梯度提升的应用最为普遍。Daley等采用6项入院变量预测死亡率，AUROC达0.90；Morgan等采用分类与生存随机森林（CRF/SRF）预测去骨瓣减压术后6个月死亡率，AUROC达0.984；Fonseca等采用XGBoost实现AUROC 0.91；Steinmetz等发现极端树（Extra Trees, ET）与逻辑回归的精确度最高（0.98）。功能恢复与并发症预测方面，Hale等采用的ANN预测6个月功能状态的均值AUROC达0.946，优于Rotterdam评分（0.74）；Diao和Liang发现简化的朴素贝叶斯模型（AUC 0.930）优于传统CT分级系统；Tunthanathip和Oearsakul报道的SVM模型灵敏度达0.95，但特异度较低（0.60）；Zhang等融合影像组学与临床危险因素预测术后感染，AUROC达0.944。基于临床与生物医学数据的预后研究显示，Chong等采用ANN预测中重度TBI，AUROC达0.98，优于逻辑回归（AUC 0.93）；Kayhanian等采用SVM结合入院乳酸、H+与葡萄糖预测良好结局，灵敏度80%，特异度99%；Wei等开发的扩展XGBoost模型整合实验室指标模型（laboratory indicator model, LIM），验证集AUC达0.910。
研究方法学趋势分析显示，纳入研究的合成凸显了从传统统计模型向复杂非线性架构的转变，同时对模型透明度与特征重要性的关注度显著提升。方法学质量与偏倚风险的PROBAST评估显示，多数研究在参与者选择领域偏倚风险低，因采用既定创伤登记库或机构儿科数据库的连续入组；部分病例对照研究或小样本试点队列存在中度风险，可能限制对广泛pTBI人群的代表性。预测因子评估偏倚风险普遍较低，因纳入变量（如GCS、瞳孔反射、生化标志物、影像学发现）均为儿科神经创伤常规指标且在结局确定前测量。结局评估偏倚风险亦较低，因研究多采用标准化终点（如GOS、KOSCHI、死亡率或确诊术后感染状态）。分析领域是方法学问题的主要来源：多数研究仅依赖内部验证（交叉验证或随机拆分抽样），缺乏地理独立队列的外部验证；校准评估报告不一致，许多研究仅关注AUROC等区分度指标，未报告校准曲线或拟合优度检验；部分小样本试点研究存在过拟合风险，可能导致性能估计过于乐观。QUIPS评估显示，研究参与领域的中度风险多见于单中心小样本（n<60）试点研究与重症监护登记库衍生研究；失访偏倚总体较低，但Hale等研究中将失访患者假定为良好结局，可能引入结局错分偏倚；预后因子测量与结局测量偏倚风险普遍较低；混杂偏倚中度风险见于未充分校正颅外损伤或既往神经系统疾病的研究；统计分析与报告的中度风险源于外部验证有限、校准报告不全及小样本中采用SMOTE或ROSE等合成过采样技术却缺乏敏感性分析。
计算架构与常用算法的分析显示，研究格局呈现适配特定临床目标的多样化计算架构：ANN因捕捉复杂非线性关系的能力被广泛用于早期预后研究与近期大规模诊断分诊研究；集成方法因鲁棒性与固有特征选择能力备受青睐，随机森林在死亡率预测与急性损伤识别中表现优异，XGBoost与CatBoost因在住院死亡率与长期功能恢复任务中的高区分度被日益采用；SVM则选择性应用于高维“噪声”数据研究，如入院血清实验室指标或白质连接组图谱分析。跨模态的关键预测因子分析显示，不同临床终点中，一组一致的临床生理特征成为预测准确性的核心驱动因素：预后预测中，GCS（尤其是运动成分）与瞳孔对光反射（尤其是固定或异常反应）几乎被所有研究认定为死亡率与功能恢复的关键预测因子；分诊模型中，日龄等人口学数据是婴儿特异性分诊的核心变量；生化指标中，入院血糖、乳酸、pH与降钙素原水平在采用实验室数据的模型中常居信息量最高的特征之列；影像学标志物（如中线移位、脑池状态、血肿位置）则在与临床数据整合的多模态融合模型中提供互补价值。可解释性新兴趋势方面，为应对复杂ML模型的“黑箱”特性，近期pTBI文献转向可解释人工智能（explainable AI, XAI）以提升模型输出的可解释性：SHAP（Shapley Additive exPlanations）值被用于可视化特定特征（如低血红蛋白或高风险评分）如何推动个体患者的预测走向有利或不利结局；PermFIT框架被用于统计验证单个临床特征的重要性，同时校正复杂混杂结构；部分研究通过CART或简化朴素贝叶斯模型保持透明逻辑，提升临床决策的透明度。验证模式与外部测试匮乏的分析显示，多数研究依赖内部验证：5折或10折交叉验证是确保模型跨数据子集稳定性的标准方法；近期文献采用高级内部重抽样（常为1000次迭代的自举法）提供稳健的性能估计与置信区间；但仅4项研究报告了对独立患者队列的稳健外部或时序验证，这可能限制模型的广泛临床转化与普适性。
讨论
现有pTBI领域ML证据基础在提升临床精度方面潜力显著，但仍受限于方法学异质性与碎片化的临床目标。现有研究覆盖从急性损伤检测、诊断分诊到长期功能预后预测的差异化临床路径，代表不同的临床目标，需分别解读。尽管先进架构常表现出高区分度，但其对传统统计方法的优势具有情境依赖性，且常受限于回顾性单中心数据的局限性。
临床目标分层方面，识别当前生理状态的模型与预测未来恢复的模型存在关键区别：诊断与分诊导向模型主要旨在自动化创伤征象检测或减少不必要的辐射暴露，如YOLOv3等DL模型在辅助经验不足的医师识别颅骨骨折方面已显示临床有效性；但ML在低分诊中的应用结果异质性较强，部分模型对婴儿的准确率达95%，另一些则未显著优于“无信息率”或“GCS正常+无临床骨折证据”等简单规则预测因子，提示在低危表现中，ML分诊系统未必持续优于既定临床决策规则，尤其当传统预测因子已具备强区分度时。相比之下，针对死亡率与功能状态（GOS/KOSCHI）等纵向终点的预后模型，其预测性能常高于既定的成人衍生CT评分系统，如ANN与朴素贝叶斯等非参数架构在预测6个月功能恢复时的AUROC高于Marshall与Rotterdam CT评分，凸显了ML捕捉发育中儿童大脑复杂非线性动态的能力，而传统线性相加模型难以充分刻画这些特征。
方法学局限性方面，合成证据基础受若干结构化方法学局限影响，制约了结果的普适性与临床转化：首要局限是依赖回顾性设计，除Raji等的一项前瞻性研究外，其余均为回顾性队列，固有地增加了选择与信息偏倚风险；其次，受儿科人群中死亡率或术后感染发生率低的限制，研究常面临显著的类别不平衡问题，需采用SMOTE或ROSE算法等合成过采样技术以实现模型训练所需的平衡分布；此外，多项基础研究受小样本量限制，少于60例受试者的试点研究存在严重的过拟合风险，可能掩盖模型在更广泛异质性临床人群中的真实预测效能；发表偏倚也可能影响证据基础，报告高性能的研究更易获得发表，而模型区分度差的研究可能被遗漏。
可解释人工智能与pTBI模型的可解释性方面，可解释性在儿科神经创伤领域的重要性日益凸显，涉及手术干预、重症监护入院与临终关怀等高 stakes 临床决策，需具备透明性、可论证性并与家长预期一致。ANN与DL等复杂架构的“黑箱”特性带来显著临床风险，临床医师可能因模型无法揭示预测依据而不愿采纳。近期pTBI文献已纳入解释性框架以提升模型透明度与特征归因，如SHAP量化可视化个体特征对不良预后的风险贡献，PermFIT框架为特征重要性提供统计推断，帮助筛选核心预测信号。文献反映了预测性能与模型透明度的权衡：ANN等复杂架构常报告高AUROC，但审计难度大；CART、简化朴素贝叶斯与手工可复现决策树等固有可解释模型则提供透明的逻辑节点，便于床旁评估。跨可解释模型反复涌现的高影响力预测因子包括GCS运动成分、瞳孔对光反射、入院血糖、乳酸水平及中线移位、脑池完整性等CT征象，与PECARN等临床决策规则中的既定神经创伤预测因子基本一致。但当前多数XAI应用仍为事后解释方法，缺乏标准化可解释性指标与临床医师可用性测试，尚未明确这些解释能否真正改善真实世界的临床决策。
报告规范、方法学透明度与偏倚风险方面，标准化报告是ML临床预测模型可复现、跨研究比较与监管审批的基础。TRIPOD声明及其TRIPOD-AI扩展为模型开发与验证的透明报告提供了最低清单，PROBAST则是评估临床模型偏倚风险与适用性的常用工具。pTBI文献对这些标准的依从性不一，常掩盖方法学缺陷，导致模型性能被高估。现有研究的共性缺陷包括过度依赖回顾性单中心数据集、频繁使用同一登记库的重叠队列（如PECARN数据库），可能高估独立证据的广度；小样本试点研究与类别不平衡问题突出，SMOTE等技术若未配合严格的外部验证可能导致乐观的性能估计；校准评估、缺失数据处理（多为列表删除）与决策阈值合理性说明的报告缺口普遍存在。尽管部分研究通过多中心开发与时序验证展现了更高的方法学严谨性，但整体证据基础仍受限于缺乏地理独立人群的独立测试。未来研究亟需遵循TRIPOD指南与PROBAST偏倚风险评估标准，开展多中心前瞻性验证，明确社会健康决定因素（如保险状态、家庭收入）对分诊准确性的影响，以支持模型的监管审批与真实世界获益。
结论
机器学习可作为儿童创伤性脑损伤的决策支持框架，尤其在预后预测领域，多项研究显示其预测性能优于传统评分系统；但在急性诊断分诊中的作用尚不清晰，部分研究未发现其较现有临床决策规则具有显著优势。当前领域进展聚焦于多模态数据整合与可解释模型架构开发，但仍存在诸多方法学局限，包括回顾性单中心设计、队列重叠、结局定义异质性与外部验证不足。尽管多项研究报告了高区分度，但这些模型在更广泛儿科人群中的普适性与真实世界临床适用性仍不明确。未来研究应优先开展前瞻性多中心验证、遵循TRIPOD等标准化报告规范并进行独立外部测试，以明确机器学习在儿科神经创伤诊疗中的临床角色。
