Anatomical comparison populations and threshold transport in vascular transcriptomic classification

人体是一个庞大的管道网络，将血液输送到系统的每一个角落。虽然这些血管在表面上看起来很相似，但颈部动脉的组织在生物学上与腹股沟或腿部的组织是截然不同的。科学家们长期以来一直希望能在这些组织中找到一个单一的分子“指纹”，从而能够瞬间识别出动脉粥样硬化——这种会导致心脏病发作和中风的危险性斑块堆积。其核心理念是，如果研究人员能找到一组只要疾病存在就会被激活的特定基因，他们就能构建出一个通用的测试方法。这种测试将像一把万能钥匙，无论样本来自何处，都能识别出从颈部到足部的任何动脉中的问题。这是一个强大的概念：一个能够超越血管特定位置的单一生物信号。

然而，上海复旦大学研究人员最近的一项研究表明，这个通用的钥匙可能并不存在，或者至少我们用来寻找它的地图是有缺陷的。该团队并没有发现一种新疾病，也没有发明一种新机器。相反，他们对现有数据进行了严格的审计，仔细观察了科学家们是如何测试这些分子指纹的。他们提出了一个简单但至关重要的问题：当一项测试声称其准确率为99%时，它究竟是在与什么进行比较？它们是将患者的病变组织与来自同一个人的健康组织进行比较，还是将患者的病变组织与来自完全不同的、已故捐赠者的健康组织进行比较？事实证明，答案至关重要，因为数据的混合方式会创造出一种完美的幻象，而这种幻象一旦应用于新的情境就会消失。

研究人员专注于收集人类动脉的大量遗传数据，特别关注了来自三个不同位置的样本：颈部的颈动脉、大腿的股动脉以及膝下部的腘动脉下动脉。他们采用了一个旨在区分病变组织与健康组织的模型，并测试了当游戏规则改变时，该模型的表现如何。在原始训练数据中，模型被喂入了来自有阻塞症的手术患者的样本，并与健康的捐赠者样本进行对比。模型的表现近乎完美，几乎每次都能正确识别出病变组织。它似乎找到了完美的遗传特征。

但研究人员随后拆解了数据，以观察在那完美分数背后究竟发生了什么。他们意识到，高准确率很大程度上是因为模型正在比较两组截然不同的人群：带有手术瘢痕的活体患者与已故的捐赠者。模型本质上是在学习如何区分一个活着的人和一个死去的人，或者说是在区分手术样本和死后样本，而不是仅仅在识别疾病本身。当他们迫使模型仅将病变组织与来自同一解剖位置的健康组织进行比较时——即颈部对颈部，大腿对大腿——模型的表现依然很高，但比较的性质已经发生了变化。模型仍在发挥作用，但其成功的理由比看起来更为脆弱。

真正的考验出现在研究人员尝试将该模型应用于并非属于原始训练集的全新数据集时。他们将模型应用于比较方式不同的患者样本：取出一块患者自身的病变斑块，并将其与该患者自身体内的健康组织进行比较。这是一个更难且更符合现实情况的测试，因为它消除了在不同人之间进行比较的干扰。在这里，模型的行为发生了剧烈变化。虽然它仍然能将病变组织排在较高位置，但它无法跨越一条关键的界限。模型为每一个样本（无论是健康还是病变）都分配了一个较低的“疾病评分”。它知道哪一个更糟，但它无法告诉你其中任何一个实际上是患病的。在训练数据中适用的阈值——即判定“这是疾病”的临界点——在新的设定下完全失效了。

为了理解为什么会发生这种情况，团队研究了模型所使用的基因。他们发现，用于识别疾病的特定基因列表并非独一无二。当他们用一组完全随机的200个基因替换掉前200个基因时，模型在原始数据上的表现仍然近乎完美。这表明，高分并非源于一组特殊的、具有生物学唯一性的基因，而是源于样本组之间差异的一种普遍模式，这种模式几乎可以通过任何随机选择的基因集来捕捉。模型捕捉到的是实验中的噪声——即样本在采集、处理和储存过程中的差异——而非疾病本身的纯净信号。

这项研究还强调了此类实验设计中的一个深层问题。原始数据来自不同的来源，采用了不同的制备方法。一组样本来自接受手术的活体患者，而另一组则来自器官捐赠者。这些样本在不同的机器上进行处理，且处理方式各异。当研究人员试图将模型从一种环境转移到另一种环境时，它用来衡量疾病的“标尺”发生了偏移。在第一组样本中意味着“病变”的分数，在第二组中则意味着“健康”。模型的内部逻辑对于其训练的特定组别是成立的，但如果不经过重新校准，它就无法将这种逻辑转化为对另一组别的判断。

研究人员得出结论，虽然该模型可以成功地在特定语境下对组织进行排序（即区分彼此），但它无法提供一个可靠且通用的阈值，用于在不同人群中诊断疾病。以往研究中看到的超高准确率在一定程度上是由于特定的样本混合方式造成的产物。当混合方式发生变化时，准确率下降，临床决策的能力也随之消失。这并不意味着寻找血管疾病的分子特征是不可能的，但这意味着寻找路径比单纯汇集不同来源的数据并寄希望于获得完美分数要困难得多。

这项工作对血管医学的未来具有重要意义。它为任何试图构建一个在任何地方都通用的单一测试的人敲响了警钟。研究表明，一个模型可以非常出色地在它构建的框架内对数据进行分类，但在被要求走出这个框架时却会彻底失败。研究人员强调，为了向前迈进，未来的研究必须使用捐赠者身份明确且样本处理方式一致的数据。它们必须针对模拟现实场景的比较进行测试，例如将患者自身的病变组织与其自身的健康组织进行比较，而不是依赖于不同人之间的比较。

最终，这篇论文并不是对通过基因检测心血管疾病这一理念的否定。相反，它是对在衡量成功时应具备更高的精确度和诚实度的呼吁。研究人员发现，过去报告的“完美”分数往往掩盖了鲁棒性的缺失。通过剥开数据的层层外壳，他们表明疾病的信号是真实的，但它极易被样本采集和比较的方式所掩盖。寻找可靠、通用的血管测试的旅程尚未结束，但这项研究已经拨开了些许迷雾，向我们展示了哪里是坚实的土地，哪里又是移动不定的。前行的道路不仅需要更好的算法，更需要更好的问题和更干净的数据，以确保我们构建的工具能够真正造福于需要的患者。