Within-cohort discrimination and cross-cohort transfer of EEG-based ADHD classifiers: An exploratory two-cohort evaluation
这项探索性研究表明，尽管基于脑电图（EEG）的分类器在成年 ADHD 患者的组内判别方面表现出色，但它们无法泛化至儿童群体，且往往在不同队列间产生反向排序，这凸显了由于年龄、任务和采集方式等未分离差异所导致的跨队列迁移能力的显著局限性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
人类大脑是一个复杂的电学器官，不断发出可以从头皮传感器处测量的信号。这些被称为脑电图（EEG）的信号，为每个人创造了独特的电学指纹。几十年来，科学家们一直希望利用这些指纹来识别特定的脑部状况，例如注意力缺陷多动障碍（ADHD）。其核心理念是，如果计算机能够学习识别健康大脑与患有 ADHD 大脑之间的电学模式，它最终就能帮助医生做出更快、更准确的诊断。然而，一个主要的障碍在于：大脑会随着我们的成长而变化，而且我们记录这些信号的方式也会根据一个人在当下所做的活动而改变。一个在静坐时的儿童所表现出的模式，可能与一个成年人的模式大相径庭，甚至与同一个儿童在做不同任务时的模式也完全不同。一个大的疑问是，一个被训练用来识别某一群体中 ADHD 特征的计算机程序，是否真的能在另一个完全不同的群体中发挥作用，还是说它只能针对它所接受训练的特定群体起作用。
最近的一项研究旨在利用两个截然不同的群体来测试这个确切的问题。研究人员收集了 121 名正在进行视觉任务的儿童以及 79 名处于睁眼静息状态的成年人的数据。他们使用了一种标准的计算机学习方法来构建一个能够区分 ADHD 患者与非患者的模型，但他们执行这项工作的方式非常严格。他们在其中一个群体上训练模型，然后立即将其应用于另一个群体，期间没有进行任何更改或调整。这就像是教一名学生识别森林中的一种特定鸟类，然后要求他在一个完全不同的森林里——那里有不同的光照和不同的树木——去识别同一种鸟，且不给他提供新的指南。
结果令人震惊，揭示了单一群体内部发生的情况与尝试跨越到另一个群体时发生的情况之间存在着深刻的分歧。当研究人员在他们所训练的成年人群体上测试计算机模型时，该系统表现得异常出色。它能以约 95% 的准确率正确识别患有 ADHD 的成年人，这一准确度水平表明，成年组中的电学模式非常独特且易于计算机学习。然而，当那个由成年人训练出的相同计算机模型被应用于儿童时，它彻底失败了。事实上，它的表现甚至比随机猜测还要差。该模型一致地将患有 ADHD 的儿童归类为健康人群，并将健康的儿童归类为患有该障碍的人群。反之亦然：一个在儿童身上训练的模型在测试成年人时表现很差，经常将两组人群按预期的相反顺序进行排列。
这一发现不仅仅是技术的简单失败；它凸显了脑电信号在年龄和任务变化过程中表现出的根本性差异。研究人员发现，使成年组易于分类的特定电学特征，与可能有助于识别儿童的特征完全不同。在成年组中，计算机主要依赖于脑波频率，即信号振荡的速度。而在儿童组中，这些相同的频率测量值几乎无法提供任何有用的信息。研究表明，即使研究人员使用了完全相同的传感器，放置在头部的相同位置，并且记录时长也完全相同，其底层数据的本质却如此不同，以至于针对一组人群训练的模型对另一组人群而言变得毫无用处。
研究人员还测试了用于训练的数据量如何影响结果。他们发现，向计算机提供更多来自儿童的数据并不能解决问题。即使他们将所有可用的儿童记录都输入模型，该模型在面对儿童时依然感到困惑，尽管其表现略有改善，达到了接近随机猜测的水平，而不是停留在底端。由成年人训练的模型在面对成年人时保持高度准确，但在面对儿童时依然毫无用处。这表明，问题并不单纯是缺乏数据或需要更多的训练时间。相反，由于一个正在进行任务的儿童与一个正在休息的成年人之间信号的本质发生了如此剧烈的变化，导致一套规则无法同时适用于两者。
研究结论指出，脑机模型的成功与其构建时所针对的特定人群深度绑定。一个在某一群体中表现完美的模型，并不意味着它能自动适用于另一群体，即便两者的目标都是进行相同的医学诊断。研究人员强调，这并不意味着这项技术已经损坏，或者 ADHD 无法通过脑电波检测出来。而是意味着，现有的方法尚不足以强大到能够跨越年龄和不同活动之间的鸿沟。这些发现是对该领域的一次必要的现实审视，表明在一种环境下获得的高准确度并不能保证在另一种环境下也能取得成功。在科学家找到一种能够理解这些深层差异（无论是儿童与成年人之间，还是不同任务之间）的方法之前，这些工具将始终局限于它们所设计的特定群体，而无法成为一种通用的诊断工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。