Scientific Reports来源发表:
拉曼光谱里藏着病人身份：对抗训练把身份识别率从68%压到12%，IDH分型仍保持0.8
核心概要
胶质瘤拉曼光谱数据中，单条光谱足以让模型认出它来自哪位病人，这种与生物学无关的样本特异性偏差会干扰肿瘤分型。研究在APOLLO数据集的46例样本上引入可学习特征重要性层，与双头分类器对抗训练，压低病人身份信号而保留IDH突变状态信息。身份预测平衡准确率从68%降到12%，突变型与野生型分类的平衡准确率保持在0.8。
深度剖析
拉曼光谱的样本特异性偏差可以被单独测量：模型只看单条光谱就能判断它出自哪位病人，而不只是判断肿瘤类型。 此前拉曼光谱的偏差控制主要依赖基线校正、去宇射线和去噪等常规预处理，这些步骤被当作标准流程，但并未针对病人身份这类混杂信号做定量评估。 在APOLLO数据集的46例胶质瘤样本、300506条光谱上，双头模型对病人身份的预测准确率为68%，对IDH1甲基化亚型的预测准确率为84%。
把身份信号当作对抗目标后，模型对病人身份的判别能力大幅下降，同时对IDH突变状态的判别基本不受影响。 同一模型在原始数据上身份预测的AUC为75%，经RADAR预处理降到69%，经手工预处理降到66%，说明常规预处理只能部分削弱偏差。 在分层10折交叉验证下，对抗训练后身份任务的平衡准确率降到12%，突变型与野生型分类的平衡准确率保持在0.8。
启示与展望
演示范围是APOLLO数据集中46例胶质瘤样本的自发拉曼光谱，数据可按病人样本分层，且光谱波长覆盖足够宽、光谱数量约30万条；作者指出受激拉曼数据或光谱数量不足的数据集未必适用。
作者指出方法可能移除了过多特征，保留下来的特征在捕捉IDH状态时也偏弱；特征重要性依赖具体任务，指纹区集中不代表高波数区普遍无诊断价值；方法尚未在其他数据集上测试。