《Brain Sciences》：Machine Learning Classification of Migraine Using fNIRS During a Postural Task
编辑推荐：
背景：偏头痛诊断与严重度分期依赖依据ICHD-3标准的临床访谈，尚无经验证客观生物标志物。功能性近红外光谱（fNIRS）为便携非侵入方法，但现有fNIRS偏头痛分类研究样本较小且依赖认知任务。研究人员评估前额叶血流动力学响应结合头低至膝部操作能否区分偏头痛患者
背景：偏头痛诊断与严重度分期依赖依据ICHD-3标准的临床访谈，尚无经验证客观生物标志物。功能性近红外光谱（fNIRS）为便携非侵入方法，但现有fNIRS偏头痛分类研究样本较小且依赖认知任务。研究人员评估前额叶血流动力学响应结合头低至膝部操作能否区分偏头痛患者与对照，以及高与低严重度偏头痛。方法：在50名发作间期偏头痛患者与52名筛查无偏头痛、严重慢性病及高血压的对照中，记录该操作期间前额叶fNIRS（含短分离通道）。每色基（HbO、Hb与HbT）各9个血流动力学参数跨30通道进入假设中立流水线，共270条候选流水线（3色基×3特征选择策略×30分类器），无预定义感兴趣区。结果：嵌入L1正则化特征选择联合收缩正则化线性判别分析选出的脱氧血红蛋白特征在内部留出集以92%平衡准确率分离两组（92%灵敏度、92%特异度、ROC-AUC 0.99；置换p=3×10?4），开发集交叉验证87%、嵌套选择交叉验证88%，选择偏倚+0.03。高对低严重度分类（19高、31低）嵌套验证未超机会水平（45%；置换p=0.45）。结论：宽尺度流水线实现偏头痛与筛查对照的稳健经验证分离，由分布式静脉加权脱氧血红蛋白特征承载；对其他头痛疾病的特异度待确立。发作频率严重度未高于机会分离，表明标量血流动力学描述子足以支持类别对比而非等级对比。
研究背景方面，偏头痛全球患病率约14%，女性居多，临床依ICHD-3按每月头痛天数分层为发作性（EM，<15天/月，再分低频<8天与高频≥8天）与慢性（CM，≥15天/月且≥3个月）。准确频率分层指导急性或预防治疗，但至今无生化、脑脊液或神经影像标志物广受认可。已有结构MRI、静息态fMRI、EEG机器学习分类可达75%–97%不等准确率，但fNIRS研究极少且多用认知任务（如心算、Stroop），样本量34与32。姿势性头位改变经静水柱影响Willis环灌注压，激活肌源性与自动调节机制，直接挑战脑血管机械调节；既往仅一项12对12小样本头低位fNIRS研究。研究人员因此开展较大队列、以头低至膝部姿势任务替代认知任务、用生理动机血流动力学参数与非预定义ROI的假设中立机器学习筛选，探究fNIRS能否区分偏头痛与对照及高/低严重度。
关键技术方法上，研究人员在伊斯坦布尔三级头痛门诊招募50名发作间期偏头痛患者（45女5男，均ICHD-3诊断，分LFEM 31、HFEM 6、CM 13，高严重度HM=HFEM+CM共19）与52名对照（45女7男，排除偏头痛/严重慢性病/高血压），总n=102；严重度亚组n=50（HM 19、LM 31）。使用NIRSport设备22长8短分离通道覆盖前额叶与运动前区，760/850nm，7.81Hz采样；协议为40s基线后重复3次头低至膝部20s（快下快回与慢下慢回随机），间30s休息。预处理经光密度转换、修正Beer–Lambert得HbO/Hb/HbT，小波去噪（db4，6层）、0.5Hz低通、4倍降采样，分段10s前-20s任务-30s后并基线校正；每通道提取9参数（hAUC、MAXPeak、MINDip、MINRec、POWER、RANGE、TTDip、TTPeak、TTRec）×2条件×30通道×3色基共540特征/色基/人。分类用scikit-learn单流水线防泄漏，3种特征选择（ANOVA SelectKBest、mRMR、L1嵌入）固定k=7，30种分类器（线性/LDA类/核/近邻/概率/PLS-DA/树集成/MLP/投票堆叠），按52HC与50MP分开发育集n=76与密封留出n=26，发育集内5×10重复分层CV，嵌套CV量化选择偏倚，标签置换1万次检验。
研究结果部分，3.1偏头痛对对照（MP vs HC）中，最优流水线为Hb色基下L1嵌入选出hAUC、RANGE、TTDip、TTRec、MINRec，接收缩正则化LDA，发育集CV平衡准确率0.87，嵌套CV 0.88，密封留出0.92（灵敏度/特异度/精度/F1均0.92，AUC 0.99，置换p=3×10?4）；高排名特征落于旁中线Ch04/Ch06与一短分离通道，解释为静脉加权、系统血管与皮质混合信号而非单纯皮质激活。3.2高对低严重度（HM vs LM）最优为HbO+L1嵌入+线性SVC，发育集CV 0.65但校正下界0.47，嵌套CV 0.45（置换p=0.44），密封留出0.62（n=10，置换p=0.45），判为阴性；选择偏倚+0.24，归因于药物（预防用药平滑血管反应）、19/31不平衡、标量特征不捕捉重复操作习惯化斜率等动态。
讨论部分指出，MPvsHC的92%得益于假设中立宽搜索与密封留出，优于既往小样本认知任务fNIRS；Hb色基静脉加权避开了HbO的系统动脉污染，姿势任务同时激发自主、自动调节与皮质血流，旁中线通道邻上矢状窦/大脑镰采样副蛛网膜引流，短分离通道入选说明颅外血流含偏头痛相关信息而非纯噪声。收缩LDA因稳定被选入密封测试，Hb模型留出反升至0.92而HbO模型跌至0.62，证伪“需复杂模型”假设。HMvsLM阴性除样本与失衡外，预防药（普萘洛尔降反应性、氟桂利嗪正常化）恰在高频组使用，压缩了严重度梯度；标量幅度/潜伏期描述子够类别对比（有/无偏头痛）不够等级对比（频率高低），与B?cker等习惯化动态、Kara Gulay等时频特征可分亚型但非等级一致。局限含未把用药/ aura/焦虑抑郁作协变量、头位角度未用IMU量化、特征空间缺时频/连通性/熵。结论翻译：本工作证明无倾斜床的简短头低至膝部fNIRS监测可分离发作间期偏头痛与筛查对照，密封留出0.92平衡准确率来自假设自由流水线（3色基×9参数×30通道×3选择×30分类器，无预设ROI），区分特征属脱氧血红蛋白、分布于幅度与潜伏期描述子、偏旁中线与短分离通道，符合静水挑战下静脉与系统加载而非局灶皮质激活；而基于发作频率严重度嵌套验证未超机会，50例严重度亚组仍不足分辨等级对比。总之姿势任务fNIRS血流参数提供高表现类别分离，诊断特异度需前瞻对比其他原发性头痛、非偏头痛慢性痛及自主神经疾病，并在更大队列跨性别/用药/aura/严重度验证。论文发表于《Brain Sciences》。
