Cross-Dataset Generalization of Quantitative EEG Spectral Biomarkers for Alzheimer’s Disease: A Pre-registered Two-Cohort External Validation and What Does Not Transfer

技术摘要：定量脑电图（qEEG）频谱生物标志物在阿尔茨海默病中的跨数据集泛化研究

问题陈述
当前关于阿尔茨海默病（AD）定量脑电图（qEEG）生物标志物的机器学习研究主要依赖于单次采集设置。虽然这些研究通常报告了高准确率，但它们往往未能解决一个根本性问题：当记录设备或电极配置发生变化时，这些标志物是否仍然有效？大多数现有的验证方案存在信息泄露问题（例如，基于历元级的交叉验证），从而夸大了性能指标。真正的外部验证——即在一种采集设置上进行训练并在另一种设置上进行测试——在医学人工智能领域非常罕见（不足 4% 的研究涉及此类研究）。本研究旨在解决前人基准测试中识别出的“跨配置泛化”差距，具体调查从一个数据集中提取的频谱特征是否能够稳健地区分 AD 患者与认知正常（CN）受试者，且这种区分是在完全独立的、使用不同硬件记录的数据集上进行的。

方法论
本研究采用了预注册设计以确保分析的严谨性，在数据分析前固定了特征集、模型、验证方案和解释标准。

• 数据集： 使用了两个独立的、公开的静息态（闭眼）EEG 队列：
  • AHEPA： 65 名参与者（36 名 AD，29 名 CN），使用 Nihon Kohden 2100 系统及 19 通道 10–20 配置（Cz 参考点）进行记录。
  • Meghdadi： 81 名参与者（26 名 AD，55 名 CN），使用 Advanced Brain Monitoring 系统及 19 通道 10–20 配置进行记录。对 Meghadadi 数据集进行了过滤，仅包含闭眼状态以及特定的年龄匹配对照组，以最大限度减少人口统计学差异。
• 特征提取： 为每个 19 通道计算了三个尺度不变的频谱特征，每个受试者产生 133 个特征：
  1. Theta/Alpha 比率 (TAR)： Theta（3–7 Hz）与 Alpha（8–13 Hz）功率的比率。
  2. 相对频带功率： 在 $\delta$、$\theta$、$\alpha$、$\beta$ 和 $\gamma$ 频带上的归一化功率。
  3. Alpha 峰值频率。
     注： 为了确保与 AHEPA 的可比性，Meghdadi 数据集的功率谱密度（PSD）值（以 $\log_{10}$ 存储）在计算比率前进行了线性化处理（$10^x$）。
• 模型与验证：
  • 分类器： 逻辑回归（主要）和线性 SVM（鲁棒性检查）。
  • 内部验证： 在每个数据集内采用留一受试者法（LOSO）进行交叉验证，以防止受试者信息泄露。
  • 外部验证： 双向迁移学习（AHEPA $\to$ Meghadodi 以及 Meghdadi $\to$ AHEPA）。
  • 统计控制： 进行了置换零假设检验（内部 100 次洗牌，外部 500 次洗牌），以验证观察结果并非偶然或数据泄露的结果。所有 AUC 估计值均计算了 Bootstrap 95% 置信区间。

关键结果
研究揭示了跨数据集泛化的显著不对称性：

1. 内部有效性（数据集内部）： 在严格的 LOSO 验证下，两个数据集均成功分离了 AD 与 CN。

   • AHEPA： 准确率 0.785，AUC 0.802。
   • Meghdadi： 准确率 0.753，AUC 0.799。
   • 置换零假设证实了这些结果显著高于随机水平（0% 的洗牌结果达到了 AHEPA 的观测值）。

2. 外部有效性（跨数据集）： 性能表现脆弱且具有高度的方向依赖性。

   • Meghdadi $\to$ AHEPA： 在 Meghdadi 上训练的模型在 AHEPA 上实现了 0.728 的中等 AUC，表明在该方向上迁移成功。
   • AHEPA $\to$ Meghdadi： 在 AHEPA 上训练的模型在 Meghdadi 数据集上发生了崩溃，其 AUC 仅为 0.328。这显著低于随机水平（99.2% 的置换洗牌结果等于或优于此值），表明分类器出现了主动误分类现象。

3. 失效诊断：

   • 排除类别不平衡和缩放误差作为主要原因。
   • 失效归因于特征的绝对尺度域偏移（domain shift in the absolute scale），这与特定的设备和电极配置有关。
   • 特征消融实验： 当在跨数据集迁移中单独测试单个特征时，Theta/Alpha 比率 (TAR) 是唯一保持稳健的特征。虽然绝对功率和相对频带功率在跨数据集迁移时失效（导致 AHEPA $\to$ Meghdadi 方向下的类别概率反转），但 TAR 保留了正确的受试者排序（在弱方向为 0.516 AUC，在强方向为 0.724 AUC）。

意义与主张
本文的主张是提供关于 qEEG 生物标志物泛化极限的“审慎陈述”，而非建立一个新的高准确率基准。其主要贡献包括：

• 不对称性的经验证据： 研究证明，在一个采集设置上训练的模型应用于另一个设置时，其表现可能显著差于随机水平，这对 qEEG 标志物具有普遍适用性的假设提出了挑战。
• 识别稳健特征： 研究确定了 Theta/Alpha 比率 (TAR) 是跨不同采集配置中最具可重复性的标志物。由于 TAR 是一个与单位无关的比率，因此与绝对功率或相对功率相比，它较少受到由不同硬件和配置引起的绝对尺度偏移的影响。
• 方法论严谨性： 通过遵循严格的预注册协议、严格的受试者级验证以及置换检验，本研究提供了神经诊断领域外部验证的一个可复现案例。
• 实践建议： 对于旨在开发不依赖于电极配置的 EEG 生物标志物的研究，作者建议优先使用相对的、基于比率的度量（特别是 TAR），以减轻由采集过程引起的域偏移。

作者明确指出，其“核心结论”是一个经过验证的“非泛化”现象，并将这一负面观察结果视为理解当前 qEEG 诊断工具边界的诚实且必要的一步。