面向多模态胸部 X 线影像与 EHR 分类的类别不平衡策略基准评测：兼顾数据泄漏与标签问题

arXiv:2611.07950v1 公告类型：新发布 摘要：针对多模态胸部 X 线影像（CXR）与电子健康记录（EHR）预测任务的类别不平衡策略，基准评测通常采用记录级划分，而所用队列中每名患者可能贡献多张影像。我们对一项此类基准进行了审计，涉及 MIMIC-CXR 中 10,479 名患者的 29,083 张影像及八个诊断目标。首先，记录级划分的基准具有误导性：仅用一个查找表，复制开发集中具有相同 EHR 向量的影像标签，其表现就几乎与最佳模型相当；而在未见过的患者上，所有模型的表现都降至将所有病例预测为阳性的水平。其次，将标签追溯至 MIMIC-IV 后，我们发现了原因：每名患者的标签均由其单次住院的诊断编码经关键词匹配生成，再连同每名患者唯一的 EHR 向量一起复制到该患者的所有影像上，因此约三分之一影像所带的标签与其对应住院记录中的编码不符。第三，在按患者隔离、使用与住院记录对齐并经规则细化的标签进行评估时，最初的结论不再成立：在所评估的配置中，相较于不进行数据增强，没有任何不平衡策略能使观测到的平均宏 F2 提升超过 0.01；调优后的树集成模型相较于调优后的逻辑回归未表现出一致优势；已发布的 EHR 变量仍停留在全阳性基线水平，而影像采集时可获取的诊断历史和图像嵌入则超过了该基线，其中包括在采用规则细化标签时、使用 CheXpert 训练且从未见过这些影像的编码器；相比之下，RAD-DINO 在自监督预训练期间已见过其中 96.6% 的影像。将任一编码器加入诊断历史均未带来统计显著的 F2 提升；探索性分析中，RAD-DINO 带来的 AUROC 提升具有统计显著性，而 DenseNet 则没有。我们提供了可复用的诊断工具、兼顾数据泄漏问题的评测协议及检查清单。