为什么基于 ML 的咳嗽模型无法泛化：用于结核病筛查的系统性跨数据集评估

咳嗽声学特征为无创结核病（TB）筛查提供了很有前景的方向，但机器学习（ML）模型究竟是在捕捉与疾病相关的声学特征，还是数据采集过程中的伪影，仍未得到澄清。我们评估了基于咳嗽的结核病分类器中经典 ML 和深度学习（DL）方法在三个独立数据集上的跨数据集泛化能力。尽管在数据集内表现中等（ROC-AUC 最高达 $0.755 \pm 0.056$），两种流程都未能泛化，外部性能经常低于 0.6，这表明数据本身可能存在局限。我们还观察到，音频表示主要按录音设备和数据集而非 TB 状态组织；在 CODA 中，预测的 TB 概率与国家层面的患病率相对应；设备不匹配会削弱迁移效果，而设备多样化训练则会改善迁移效果。此外，一个临床变量基线模型的泛化更为稳定（ROC-AUC $0.655 - 0.711$），表明采集特异性变异是导致泛化能力差于人群偏移更强的驱动因素。仅有较高的数据集内表现是不够的。在基于咳嗽的 TB 模型真正具备临床应用能力之前，外部验证至关重要。