《Array》：Formal Concept Analysis and machine learning for EEG-based neurological outcome classification after cardiac arrest
编辑推荐：
心脏骤停仍是全球范围内导致死亡的主要原因之一，对神经功能结局的早期预测对于指导复苏后治疗具有重要意义。尽管脑电图（electroencephalography，EEG）能够提供有价值的预后信息，但心脏骤停后收集的临床数据集具有高度异质性，这给开发可靠且可解释的
心脏骤停仍是全球范围内导致死亡的主要原因之一，对神经功能结局的早期预测对于指导复苏后治疗具有重要意义。尽管脑电图（electroencephalography，EEG）能够提供有价值的预后信息，但心脏骤停后收集的临床数据集具有高度异质性，这给开发可靠且可解释的预测模型带来了挑战。本研究探讨了将形式概念分析（Formal Concept Analysis，FCA）作为一种探索性框架，用于从二值临床元数据中发现具有临床意义的患者亚组，并支持后续基于EEG的神经功能结局预测。研究使用了公开的I-CARE/PhysioNet Challenge 2023数据集，包含607例心脏骤停后EEG记录及相关临床变量。研究人员首先将FCA应用于完整的临床元数据，通过形式概念和属性蕴含识别患者特征之间可解释的关系。所发现的依赖关系与候选筛选变量的独立统计分析相结合，最终选定了一个由院外心脏骤停并接受33 °C目标温度管理（targeted temperature management，TTM）治疗的患者组成的临床同质亚组。随后，研究人员在该亚组内使用从标准化10秒EEG片段中提取的统计特征和频谱特征进行神经功能结局预测。研究人员采用患者层面的分层组交叉验证，在被选定的同质亚组及全部607例患者的完整队列中分别评估了多种监督机器学习模型，以考察FCA引导的队列选择所产生的影响。最后，研究人员利用基于重叠度的相似性度量，将FCA与??-means、??-modes及层次聚类在全队列607例患者上进行了比较。基于划分的聚类算法将每例患者分配到少数较宽泛的互斥组中，而FCA则保留了患者的重叠归属关系、层次关系以及临床变量之间显式的逻辑依赖。研究结果表明，FCA为探索性生物医学数据分析提供了一种可解释的框架，并可作为基于EEG的机器学习之前构建临床同质队列的合适预处理步骤。
**论文解读：形式概念分析辅助的EEG心脏骤停后神经功能结局预测框架**
**一、研究背景与问题**
心脏骤停是全球范围内死亡率最高的临床事件之一，尽管急救系统不断改进，幸存率仍因地域差异而波动于1%至10%之间。多数幸存者在骤停后即刻处于昏迷状态，临床医生在复苏后最初几天内需要判断患者神经功能恢复的可能性，这一判断直接影响治疗策略的选择、干预措施的延续以及医患沟通。然而，当前预后评估工具存在明显的局限性，多项研究报告了大量假阳性案例——被预测为不良神经功能结局的患者最终恢复了有意义的意识。这凸显了开发更可靠、定量化且可解释的预后评估方法的迫切性。脑电图（EEG）作为床旁可获得的神经生理监测手段，携带丰富的预后信息，但心脏骤停后收集的临床数据集具有高度异质性，患者年龄、骤停地点、初始心律、复苏后治疗等多种因素相互作用，使得开发可靠且可解释的预测模型面临严峻挑战。传统的机器学习方法往往将全部患者作为一个异质性整体进行建模，忽视了不同临床亚组之间可能存在显著差异，导致模型性能受限且解释性不足。因此，如何在建模之前识别临床同质的患者亚组，成为提升EEG预后预测性能的关键问题。
**二、研究内容与主要贡献**
针对上述问题，本研究提出了一种将形式概念分析（Formal Concept Analysis，FCA）与监督机器学习相结合的三阶段可解释框架。第一阶段，研究人员将FCA应用于I-CARE/PhysioNet Challenge 2023数据集的607例心脏骤停后患者的完整临床元数据，构建形式背景和概念格，通过形式概念与属性蕴含发现患者特征之间可解释的逻辑关系；第二阶段，将FCA发现结果与独立的统计学筛选相结合，确定临床同质患者亚组；第三阶段，在该亚组内使用EEG提取的统计和频谱特征，采用五种监督机器学习模型进行神经功能结局预测，并与在完整异质队列上的预测性能进行对比。此外，研究人员还将FCA与??-means、??-modes和层次聚类进行了结构性比较，考察了不同患者分组表示方法之间的对应关系。研究发现，FCA能够有效识别临床有意义的患者亚组，FCA引导的队列选择显著提升了EEG分类性能，且FCA保留了分区聚类所无法提供的重叠成员关系和层次化概念结构。该论文发表在《Array》期刊。
**三、关键技术方法**
本研究使用了以下关键技术方法：（1）形式概念分析（FCA），包括概念格构建与Guigues–Duquenne属性蕴含基计算，用于发现二值临床元数据中的逻辑依赖关系；（2）独立统计学验证，采用Pearson’s χ
2检验和Welch’s ??检验评估候选筛选变量与神经功能结局的关联；（3）EEG信号预处理与特征提取，对标准化10秒EEG片段进行线性去趋势，提取26个统计及频谱特征（包括时域幅度分布特征、线长度、Hjorth参数、频带绝对/相对功率、谱熵等），并将各通道特征汇总为均值±标准差，形成每片段52维特征向量；（4）五种监督机器学习分类器，包括Logistic回归、随机森林、Extra Trees、直方图梯度提升和MLP；（5）患者层面分层五折分组交叉验证，以患者标识为分组变量防止信息泄漏；（6）与三种分区聚类算法（??-means、??-modes、层次聚类）的结构性比较，使用轮廓系数确定聚类数，采用Jaccard相似系数和概念覆盖率量化FCA概念与聚类之间的重叠对应关系。研究数据来源为公开的I-CARE联盟数据集，包含美国和欧洲7家医院的607例患者。
**四、研究结果**
**4.1 基于FCA的探索性分析**
研究人员将FCA应用于全部607例患者的完整临床元数据（包括性别、OHCA、可电击心律、TTM温度、结局及年龄>60等二值属性），生成了包含387个形式概念的概念格，并从Guigues–Duquenne基中提取了176条属性蕴含。按支持度排序的前十条蕴含揭示了一致的临床模式：院外心脏骤停（OHCA: True）频繁与33 °C目标温度管理（TTM: 33°）共现（支持度58.8%，置信度81%）；可电击心律常与OHCA和TTM: 33°同时出现（支持度41.8%，置信度86%）；而非可电击心律则与不良神经功能结局密切关联（支持度37.9%，置信度83%）。独立的Pearson’s χ
2检验显示，可电击心律和年龄>60岁在两个结局组间存在显著差异（??<0.001），而性别、OHCA和TTM无显著差异。基于FCA蕴含频率和统计学独立性两个互补标准，研究人员选取OHCA: True和TTM: 33 °C作为队列筛选条件，因为它们频繁出现在高支持度蕴含中且与结局无显著关联，适合在不引入结局偏倚的前提下降低异质性。最终选定的亚组包含357例患者（占59%），其中140例良好结局、217例不良结局。被排除的250例患者与保留亚组在年龄、性别和结局分布上无显著差异，仅可电击心律比例存在预期的临床差异（60.3%对37.8%，??<0.001），表明队列筛选未引入明显偏倚。
**4.2 基于EEG的神经功能结局预测**
在357例临床同质亚组上，研究评估了五种分类器。直方图梯度提升取得了最佳综合性能，加权F1-score为0.751，精确率0.760，召回率0.756；随机森林取得了最高ROC-AUC（0.836）；Logistic回归性能最弱（F1=0.705，AUC=0.807），证实非线性集成方法更适合建模EEG特征空间的复杂性。类别分层分析显示，所有模型对不良结局的识别准确度均高于良好结局——随机森林对不良结局召回率达0.85，但对良好结局仅0.62。将表现最优的直方图梯度提升重新在完整607例队列上训练时，各项指标均出现下降：F1从0.751降至0.702，AUC从0.822降至0.798，精确率和召回率分别从0.760/0.756降至0.707/0.703。FCA引导的队列选择带来了约5个百分点的F1提升，表明基于FCA的患者分层不仅减少了样本量，更构建了一个EEG特征与结局关系更一致的可预测性更高的亚群。
**4.3 FCA与分区聚类方法的结构比较**
在相同607例二值数据集上，FCA生成了72个非空形式概念和46个独特的二值患者画像；而??-means（欧氏距离）、??-modes（Hamming相异度）和层次聚类（Jaccard距离+平均连接）在轮廓系数评估后均选取了7簇解。三种聚类的轮廓系数分别为0.438、0.486和0.425；adjusted Rand index显示??-means与??-modes中度一致（0.777），与层次聚类一致性较低（0.439）。72个FCA概念与??-means簇的平均最优Jaccard相似度为0.389（中位数0.346），其中50个概念跨多个互斥簇，这与分区聚类将每例患者严格归入单一簇而FCA允许重叠成员关系的本质差异相符。该结果证实FCA与分区聚类提供了互补的患者分组表示：聚类提供更宽泛的互斥分组，FCA保留重叠归属、层次组织和显式属性逻辑依赖。
**五、总结讨论与结论翻译**
**讨论部分总结：** 研究者的主要发现表明，FCA能够作为EEG预后预测之前识别临床有意义患者队列的可解释探索框架，其价值不在于替代传统聚类算法，而在于通过形式概念和属性蕴含揭示临床变量间关系，实现透明的患者分层。在临床意义方面，FCA提供的概念层次和逻辑关系使临床医生能够理解特定患者亚组形成的原因，这在决策支持系统中具有重要价值。研究也指出，基于集成分类器对不良结局的召回率高于良好结局，反映了心脏骤停后神经功能预测的固有难度；假阳性和假阴性预测具有不同的临床后果——假阳性可能导致过早终止生命维持治疗，假阴性虽延长治疗但伦理风险较低，因此预后模型应当整合到多模式预后评估策略中而非作为独立工具。局限性方面，该框架仅在单一公开数据集上验证，二值化处理损失了连续变量信息，FCA概念数量可能随属性数指数增长，选定的同质亚组限制了模型对其它治疗条件下患者的直接适用性。未来工作将探索Fuzzy FCA和区间模式结构（interval pattern structures）以直接在连续数据上构建概念而不需离散化，并计划在更大规模多中心数据集上验证发现的概念的稳定性与可重复性。
**结论部分翻译：** 本研究证明了FCA在生物医学数据分析中可以发挥比传统探索性聚类更广泛的作用。FCA并非作为替代性的聚类算法，而是提供了一个可解释的框架，用于发现患者特征之间具有临床意义的关系，支持透明的患者分层，并指导选择临床同质队列以进行后续基于EEG的神经功能结局预测。与分区聚类的比较表明，两种方法提供了对二值临床数据的互补表示：分区聚类识别出较宽泛的互斥患者组，而FCA额外保留了层级化的概念组织、重叠的患者成员关系以及临床属性间明确的逻辑关联。这些互补特性使FCA成为可解释探索性生物医学数据分析的重要工具。尽管在常规临床应用之前仍需要在更大规模的独立多中心数据集上进行额外验证，本研究所提出的框架展示了符号人工智能与监督机器学习如何在透明且具有临床意义的决策支持流程中被有效结合。
