《Health Science Reports》：Applications of Machine Learning in Noninvasive Anemia Diagnosis: A Systematic Review Based on Cross-Industry Standard Process for Data Mining
编辑推荐：
背景与目的：贫血是一种因红细胞计数不足或血红蛋白浓度不足而导致的疾病，每年影响全球近四分之一的人口。未确诊的病情可能升级为危及生命的并发症，尤其是在孕妇和儿童中。尽管贫血具有可识别的症状，但准确诊断通常需要侵入性静脉穿刺，并由经过培训的人员操作质量受控的分析仪
背景与目的：贫血是一种因红细胞计数不足或血红蛋白浓度不足而导致的疾病，每年影响全球近四分之一的人口。未确诊的病情可能升级为危及生命的并发症，尤其是在孕妇和儿童中。尽管贫血具有可识别的症状，但准确诊断通常需要侵入性静脉穿刺，并由经过培训的人员操作质量受控的分析仪和试剂。这种诊断程序在资源匮乏地区费时且昂贵，因此一种资源需求较少的替代方案将是有益的。本系统综述旨在通过机器学习（ML）概述创建此类无创替代方案的最新努力。
方法：研究人员通过定制查询在PubMed、Web of Science和Scopus中进行了检索，共获得1923条记录。经过筛选，58篇符合条件的记录被纳入定性综合。数据挖掘跨行业标准流程（CRISP-DM）阶段指导了每篇论文主要特征的选择。
结果：这些贡献涵盖多种算法和输入数据。最常见的采集部位和数据类型分别为眼结膜图像、指尖光电容积脉搏波（PPG）信号和手掌区域图像。血红蛋白估计比贫血分类更受关注。大多数实验中的光源为低能量或近红外光谱。智能手机作为信号采集的便捷设备，或通过移动应用程序进行模型部署。
结论：在ML用于无创贫血检测方面已取得实质性进展，在预防和诊断方面带来了突破。尽管如此，在构建稳健流程方面仍存在挑战，例如数据稀缺和不平衡、多样性有限以及混杂因素，其中一些最近已得到解决。
1 引言
贫血是一种由健康红细胞计数偏低或血红蛋白（Hb）浓度不足引起的常见疾病，影响全球近四分之一的人口，并导致显著的健康寿命损失。其症状虽可识别，但确诊通常依赖侵入性静脉穿刺和实验室检测，这在资源匮乏地区成本高昂且操作困难。此外，静脉穿刺对婴幼儿、老年人等脆弱人群具有疼痛和感染风险。近年来，机器学习（ML）的应用为非侵入性、低成本和快速的贫血检测提供了新途径。已有综述分别聚焦于深度学习、医学图像或智能手机应用，但缺乏涵盖多种算法和输入数据的全面评述。本文旨在基于跨行业数据挖掘标准流程（CRISP-DM）框架，系统总结无创贫血诊断领域的ML研究进展，并对文献进行质量评估。
2 材料与方法
2.1 检索策略
研究人员于2025年3月27日系统检索了PubMed、Web of Science和Scopus三个数据库，使用布尔运算符和关键词组合，涵盖人工智能/ML、贫血/血红蛋白、诊断和无创四个语义类别，检索时间范围为2019年1月1日至2025年3月27日，限定英文文献。
2.2 选择过程
纳入标准包括：设计并实施ML算法以实现无创Hb估计或贫血检测，全文可获取且为英文。排除标准包括侵入性方法、未使用ML、针对已确诊贫血患者的监测、动物研究、非Hb成分估计、使用现成商业模型以及特定文献类型（如综述、会议摘要等）。两名评审员独立筛选，评审员间一致性良好（Cohen's κ = 0.94），分歧通过共识解决。
2.3 入选文献
共检索到1923条记录，去重后剩余883篇，经标题和摘要筛选以及全文资格评估，最终58项研究纳入定性综合。
2.4 质量评估
采用预测模型偏倚风险评估工具（PROBAST）对纳入研究进行偏倚风险和适用性评估。该工具包含四个领域（研究对象、预测因子、结果、分析）共20个信号问题，由两名评审员独立完成，分歧通过共识处理。
2.5 数据项目
基于CRISP-DM框架各阶段提取每篇论文的关键特征，包括研究目的、研究人群、数据类型、采集部位、样本量、是否使用智能手机、便携式设备、预处理方法、感兴趣区域提取方式、光源类型、所用算法、软硬件工具、模型解释技术、评估指标、最佳性能以及是否部署为移动应用等。
3 结果
纳入研究的数量在2023年达到峰值，2020年最少；地理分布上以印度（17篇）为首，其次为中国、加纳和美国。在研究任务方面，33项研究聚焦于连续Hb值的回归估计，22项研究进行贫血/非贫血分类，另有3项同时涉及两项任务。样本量差异较大，最大规模研究基于社交媒体文本，图像数据方面以全眼图像数量最多，非图像数据以心电图（ECG）规模最大。光源使用上，多数实验采用近红外（NIR）波段，常见峰值波长为660 nm、850 nm和940 nm，部分研究使用连续光谱光源或环境光。采集部位中，眼部（尤其结膜）最为常见（26项研究），其次为手指（25项，多为PPG信号）和手掌（7项）。评估指标方面，分类任务最常用灵敏度、准确率和精确率；回归任务最常用平均绝对误差（MAE）、均方根误差（RMSE）、均方误差（MSE）、决定系数（R
2）和相关系数（R）。智能手机被29项研究用于数据采集，11项研究将模型部署为移动应用。此外，13项研究自行搭建了采集硬件。预处理和特征工程方法多样，包括感兴趣区域自动提取（多采用UNet、YOLO、Mask R-CNN等深度学习模型）、颜色空间转换、时频域特征提取等。性能方面，回归任务中MSE中位数为0.655 (g/dL)
2，MAE中位数为0.737 g/dL，RMSE中位数为0.685 g/dL；分类任务中精确率中位数为97%，灵敏度中位数为95.35%，准确率中位数为96.49%。质量评估显示，28项研究偏倚风险低，30项高，3项不清楚；高偏倚风险主要来自分析领域。
4 讨论
年度发文量整体呈增长趋势，2020年的减少可能与COVID-19疫情有关，而2024年的下降可能反映领域趋于饱和。回归任务更受研究者青睐，原因在于估计Hb值可通过阈值设定转化为分类结果。光源选择上，PPG相关研究普遍采用低能量或NIR波段，这与该波段对血液中水分吸收较弱、信号可检测性高相关。眼结膜因其毛细血管丰富，成为最受欢迎的采集部位，但受到创伤、感染、干眼症等因素干扰；指尖PPG信号便捷，但易受皮肤颜色、温度、压力等影响。部分研究还探索了多输出模型，同时估计Hb、血糖、胆红素等多种血液指标。评估方面，研究者优先考虑灵敏度以减少漏诊，但模型校准未被充分利用，这可能与深度学习模型输出概率校准不佳有关。移动健康（mHealth）方面，手机摄像头是便捷的数据采集工具，但外部物联网设备与手机的集成研究仍较少。目标人群涵盖儿童、孕妇、糖尿病患者等，其中针对6–59个月儿童的掌纹图像分类研究取得了较好结果。公共数据集如Eyes-defy-anemia和UK Biobank被部分研究采用，但整体公共数据资源仍有限。多模态研究（结合年龄、性别等人口统计学特征）已被证实可提升模型性能。深度学习模型在分类任务上与传统ML相当甚至更优，但其计算成本和黑箱特性需权衡。尽管许多模型报告了近完美的性能，但考虑到分析领域高偏倚风险的比例较高（46%），这些指标可能因过度拟合而夸大，需通过外部验证确认。
4.1 缺乏乐观调整
部分研究未采用k折交叉验证、自举法等方法对模型性能进行乐观调整，尤其是在深度学习模型中，由于训练成本高，常采用单一训练/验证/测试集划分。这可能导致性能评估偏乐观。使用多样化的评估指标和统计检验可减少偏倚。
4.2 结果确定与时机
结果（Hb值或贫血状态）的测定方法不可靠或非侵入性信号采集与参考测量之间的时间间隔过长，会增加偏倚。Hb值可能随时间波动，因此应尽量缩短两者间隔，并明确说明测量过程的一致性。
4.3 每候选预测变量的事件数有限
根据PROBAST，每个候选预测变量至少需要10个结局事件（贫血病例）才能保证较低偏倚。部分研究因贫血样本稀缺或特征维度过高，不符合这一标准。类不平衡问题可通过过采样、欠采样或专用算法缓解。对于深度学习模型，由于预测因子数量隐含，事件数指标可能不适用，应考虑可训练参数与样本数的比例。此外，仅少数研究进行了外部验证，未来需加强模型泛化能力的评估。
5 结论
机器学习在无创贫血诊断领域已取得显著进展。当前主要挑战包括数据集规模不足、类不平衡、人群多样性有限以及混杂因素干扰。未来研究应着力于数据扩充、跨中心合作、标准化采集协议、外部验证以及联邦学习等新型学习范式，以提升模型的稳健性和临床实用性。
