一次 24 h MII-pH 检查中，AET＜4% 往往意味着"酸暴露正常"；但对间歇性或低频反流患者而言，24 小时窗口也可能恰好错过关键事件。本文将传统指标与波形特征结合，用可解释异常检测从"阴性"结果中筛出值得重新评估的人群。
研究的定位很清楚：它不替代 AET 的 GERD 诊断，而是作为下游分诊层，标记 AET 阴性但信号模式异常、需要进一步临床复核的潜在假阴性病例。
值得注意的是：作者没有把问题做成"有无 GERD"的普通监督分类，而是将 标签稀缺且异质性很强的临床信号 转化为 单类异常检测 问题，并用 SHAP 解释每一个异常判定来自哪里。
文献信息
| 项目 | 内容 |
|---|---|
| 标题 | Reassessing negative 24 h pH impedance tests for hidden gastroesophageal reflux disease using multi feature anomaly detection |
| 中文理解 | 本研究基于 612 例真实世界 24 h MII-pH 监测记录，整合 AET 与波形统计特征，使用单类异常检测和 SHAP 解释模型，从 AET＜4% 的阴性人群中识别可能被短监测窗口漏掉、值得临床复核的潜在 GERD 假阴性病例。 |
| 期刊 | npj Digit. Med. |
| 发表时间 | 2026-05-27 |
| 研究方向 | GERD、24 h MII-pH、临床信号分析、可解释人工智能 |
| 核心资源/队列 | Severance Hospital 真实世界 24 h MII-pH 临床队列 |
| 样本量/数据规模 | 716 例筛查，最终纳入 612 例；489 例训练集、123 例测试集 |
| DOI | 10.1038/s41746-026-02796-y |
| PubMed | PMID: 42204253 |
| 数据/代码 | 受患者隐私与 IRB 约束，数据和代码均需向通讯作者合理申请 |
核心突破
传统 AET 关注的是"食管 pH＜4 的时间比例"，是稳定且临床成熟的指标；但它未必能完整描述记录期内短暂、尖锐或频率异常的 pH 波形。
作者从原始 MII-pH 信号中提取统计与波形特征，经相关性筛选后保留 AET、均值、方差、偏度、峰度、峰峰值、冲击因子和波峰因子，再用 OCSVM 与 SVDD 建立无监督异常检测模型。
这条流程的价值在于：让临床医生不只看到"是否超过 AET 阈值"，还可以看到 波形到底哪里不寻常，并将异常记录优先纳入进一步问诊、复查或延长监测的候选范围。
文章摘要
GERD 的 24 h MII-pH 检查通常以 acid exposure time，AET 为核心诊断指标；但 AET＜4% 并不能绝对排除间歇性或低频反流。本文回顾性分析韩国 Severance Hospital 的 612 例 MII-pH 数据，构建了以 OCSVM 和 SVDD 为核心的多特征异常检测框架。模型将传统 AET 与 pH 波形的均值、方差、偏度、峰度、峰峰值等共同纳入判别，并使用 SHAP 解释异常来源。相较于单纯 AET 判定，模型在专家回顾性参考标签下的测试集 F1 值达到 0.929，而传统 AET 分类为 0.742。研究提示，AET 阴性记录中仍存在一部分具有异常波形或辅助临床特征的病例；这些信号更适合被视为 需要临床重新评估的候选者，而不是直接等同于 GERD 确诊。
方法设计亮点
-
用单类异常检测适配真实临床标签困境：潜在假阴性病例缺少可靠金标准标注，且异常来源复杂，OCSVM/SVDD 比直接监督分类更贴合问题定义。
-
从单一阈值扩展到多维波形表征：AET 仍被保留，但峰度、峰峰值等指标补充了酸暴露时长之外的信号形态信息。
-
把模型输出转成可审查依据：SHAP 将异常评分拆解到具体特征，便于医生理解模型为何建议复核。
材料与方法
| 模块 | 内容 |
|---|---|
| 研究对象 | 因反流相关症状且标准治疗反应不佳而接受 MII-pH 监测的患者 |
| 数据来源 | 韩国 Severance Hospital，2018 年 10 月至 2022 年 7 月 |
| 纳入规模 | 716 例连续筛查；612 例最终分析 |
| 信号采集 | 6 个阻抗通道 + 1 个 pH 通道的 24 h 有线 MII-pH 监测 |
| 特征工程 | 初始 11 项特征；相关性筛选后保留 8 项核心特征 |
| 模型与调参 | OCSVM、SVDD 与贝叶斯超参数优化 |
| 评估策略 | 传统 AET 对照、盲法专家回顾性判读、SHAP 全局与个体解释 |
研究结果
阴性 AET 记录也可能隐藏值得复核的异常模式
整个框架工作在传统 MII-pH 诊断之后：先以 AET 划出阴性人群，再从原始 pH/阻抗信号提取多维特征，由异常检测模型识别非典型记录，最后以 SHAP 回答"异常来自什么特征"。
关键定位：模型的输出不是新的 GERD 确诊标签，而是为 AET＜4% 且临床症状仍有疑点的患者提供更高优先级的复核线索。
低 AET 不等于所有波形都"正常"
代表性病例显示，真阳性患者可出现 AET 19.98%、DMS 82.50 的持续酸暴露；而部分 AET 阴性患者虽然未跨越阈值，却表现出值得注意的信号模式。
其中一个潜在假阴性病例的 AET 为 3.39%，但 DMS 为 16.90，记录到 103 次反流事件。这个例子提示，单一时长阈值 可能不足以覆盖所有需要临床关注的反流相关信号。
波形特征让异常检测获得阈值之外的信息
在 493 例 AET＜4% 的患者中，OCSVM 额外标记了 108 例异常记录，占该阴性人群的 21.9%。与传统 AET 判定相比，异常检出比例在训练集和测试集均约提升 1.9 倍。
SHAP 显示，AET 仍是最重要特征，但 峰度 与 峰峰值 提供了额外判别信息。高峰度往往对应更尖锐的 pH 突降，而振幅过高或过低都可能推动模型向异常判定移动。
个体解释把"异常分数"落回临床记录
PCA 投影和个体 SHAP 图将传统 AET 判定与 OCSVM 异常分数放在同一视图中：部分病例被 AET 归为正常，却落在异常区域，并能追溯到具体的波形和辅助指标贡献。
临床价值不在于让模型替医生下诊断，而在于把有限的复核资源优先投向"传统指标阴性、但记录形态可疑"的患者。
方法和临床转化怎么看
方法借鉴：面对缺少高质量金标准、异常定义不完整且类别极不均衡的医疗任务，先做"异常发现"往往比直接训练二分类模型更稳妥。
信号分析启发：临床生理信号不应只压缩为一个总分。均值、峰度、峰峰值和时间结构可以成为补充传统阈值的重要维度。
应用边界：本文是单中心回顾性研究，异常评分不能直接等同于 GERD 的病理生理确诊。对候选病例仍需结合症状、DMS、反流次数、重复监测及前瞻性随访判断。
总结
这篇的落点是为传统诊断加上一层"智能复核雷达"：AET 负责稳定的基础判断，多特征异常检测负责发现可能被 24 h 窗口遗漏的可疑信号，二者共同服务于更精细的 GERD 临床评估。
参考文献
Lee S, Lee J, Park D, et al. Reassessing negative 24 h pH impedance tests for hidden gastroesophageal reflux disease using multi feature anomaly detection. npj Digital Medicine. 2026. doi:10.1038/s41746-026-02796-y.
- PubMed: https://pubmed.ncbi.nlm.nih.gov/42204253/
- DOI: https://doi.org/10.1038/s41746-026-02796-y
- 文章页面: https://www.nature.com/articles/s41746-026-02796-y
- 数据与代码：因患者隐私与 IRB 要求不公开，可向通讯作者合理申请。