把每位患者表示成一张图，从而跳过数据清洗：PatTree 及其在阿尔茨海默病分类上 98.5% 的准确率
Julia Gehrmann、Lars Quakulinski、Hamza Naseem 和 Oya Beyan 提出了 PatTree：一种把每位患者表示为知识图谱的方法，该图谱直接由原始、异构的临床数据自动构建，无需通常在分析之前进行的漫长而昂贵的数据协调步骤。在 ADNI-1 队列的一个子集（763 名受试者）上，直接从该图对患者进行分类，用以区分阿尔茨海默病、轻度认知障碍与正常认知，达到 98.5% 的平衡准确率和 0.987 的 F1。其抱负——摆脱人工数据清洗——是真实且可喜的，但在一项公认困难的任务上、仅凭单一队列且无外部验证就取得如此接近完美的分数，首先应读作一个方法学警示，而非证据。
背景
在用真实医疗数据训练模型之前，必须先准备数据，而这一准备正是医疗 AI 沉默的瓶颈。一位患者的数据是多模态的——性质各异：自由文本的临床记录、化验结果、影像、认知测验分数、人口学信息。它们带着缺失值、出现在不同日期、格式不一致，且各来源之间的词汇互不对应。要让这一切装进一张干净的表格——即数据协调——是一项漫长、人工、易错、且极少能在不同项目间复现的工作。
其后果是双重的。首先，医疗 AI 项目的巨大精力都花在清洗而非建模上。其次，每一个协调选择——保留哪个变量、如何编码缺失值、强制何种格式——都注入了人类假设，可能使模型学到的东西产生偏差。近年来渐受关注的想法，是不再把患者表示为表格中的一行，而是表示为一张知识图谱：一个由节点（数据）经由边（它们之间的关系）相连的网络，它能自然地吸纳异构性与缺口。
PatTree 正处于这一背景之中，此处在一个经典的神经病学问题上受检：从患者的数据出发，区分阿尔茨海默病、轻度认知障碍（MCI，一个能力下降但尚未达到痴呆的中间阶段）与正常认知。试验场是 ADNI（阿尔茨海默病神经影像倡议），一个被学界广泛使用的、大型的公共神经影像与临床数据库。
方法
PatTree 把一位患者的原始数据自动结构化为单一的知识图谱。具体而言，每一个元素——一个化验值、一个测验分数、一项人口学特征——都成为一个节点，而这些元素之间的关系成为边，全部连向患者。作者的核心论点是：这一构建无需预先标准化，即不在上游强加统一格式或固定表格。该图保留了不同模态、不同来源数据之间的语义关系，使其具备互操作性（可跨系统读取与组合）与机器可解释性。
因此，其所主张的贡献不是一个新的分类器，而是一种新的基底：不再为了塞进模型而清洗数据，而是让数据保持其多样性，直接从图上进行分类。作者称，在 PatTree 上分类"直接可行"，也就是无需通常的准备步骤。
为评估之，他们使用 ADNI-1 的 763 名受试者子集与一个三分类任务：阿尔茨海默病、MCI、正常认知。报告了两个指标。平衡准确率是逐类正确检出率的平均——当各类规模不均时很有用，因为它能防止模型仅靠偏向多数类而显得不错。F1 分数把精确率（在预测为阳性的病例中有多少真为阳性）与召回率（在真阳性中有多少被找回）合为一个数字；1.0 为最大值。这些数字是在与训练分开的留出测试集（held-out test set）上测得的。摘要并未说明用以支撑"最先进"这一表述的比较对象——这一点我们将在下文回到。
结果
在测试集上，PatTree 在三分类中达到 98.5% 的平衡准确率与 0.987 的 F1。若按字面理解，这意味着模型极少出错，且对三个类别中的每一个都几乎同样极少出错——包括 MCI，而后者恰恰是通常会拉低分数的类别，因为它与另外两类相互重叠。
正是在这里，阅读应当放慢。区分阿尔茨海默病、MCI 与正常认知是一项公认困难的任务：MCI 与正常认知之间、以及 MCI 与早期痴呆之间的界线，即便在临床诊断本身中也是模糊的。近乎完美的划分并不是一个本质上含糊的问题应有的结果。用审慎的临床话语来说：纸面上，这样的模型几乎不会漏掉任何患者，也几乎不会把谁误升一级；但一个抹去了该领域真实困难的分数，应当让人怀疑：这困难是在流程的某处被绕过了，而非被解决了。
换言之，这个惊人的数字本身并非好消息：它是一个邀请，去核查性能从何而来。我们并非指控作者作弊——没有任何迹象——但一份在此任务上宣称 98.5% 的预印本，把举证责任转移到了自己身上：它必须证明这一结果不是假象。
做得好的地方
一个真实的问题，从正确的一端切入。医疗 AI 的瓶颈不只是算法，而是数据准备。PatTree 力图取消协调步骤而非优化它，因而触及了大多数论文避而不谈的一个非复现性与成本之源。方向是对的，而且难得。
一个可互操作、可复用的基底。把患者表示在一张保留跨模态语义关系的单一知识图谱中，契合医学信息学界所倡导的 FAIR 原则（数据可发现、可访问、可互操作、可复用）。若该图确实是自动构建且无强假设的，这一想法便可远远迁移到阿尔茨海默病之外，用于任何异构的临床数据集。
合适的指标与独立的测试集。报告平衡准确率与 F1，而非仅报告原始准确率，对于一个可能不平衡的多分类任务是正确的选择。使用留出测试集，而非仅在训练数据上做交叉验证，也是基本的良好实践。由于 ADNI 数据是公开的，这项工作的方向可被其他团队核验。
做得欠佳的地方
近乎完美的分数令人联想到数据泄漏。数据泄漏（data leakage）是医疗 AI 文献的头号失败模式：模型直接或间接地获得了它本应预测的信息。这里，有两种经典机制是合理的，且摘要并未将其排除。其一，ADNI 每位患者含多个时间点：若同一受试者的数据同时进入训练与测试，性能便被抬高。其二，诊断类别（阿尔茨海默病 / MCI / 正常）在一定程度上是由认知分数（如 MMSE 或 CDR）定义的；若这些分数进入了图中，模型便不是在预测疾病，而是在重读标签。在此任务上 0.987 的 F1，恰恰是这种泄漏所应留下的签名。
单一队列、样本小、无外部验证。七百六十三名受试者，全部来自 ADNI——一个经过筛选的研究队列，并不能代表真实的患者群体。无从说明在 ADNI 上构建的图能否迁移到另一家医院、另一个国家、另一套方案：这是经典的人群偏倚。而 PatTree 的卖点恰恰是对真实异构数据的泛化；仅在单一、干净、标注良好的队列上加以证明，并没有检验这一承诺，而是回避了它。
未言明的比较对象，以及捷径学习的风险。摘要宣称达到"最先进"水平，却未指明 98.5% 是与哪条基线相比——而在一项已被充分研究的任务上，一个数字的价值完全取决于其比较对象。此外还有捷径学习（shortcut learning）的风险：模型可能抓住一个与诊断相关的捷径（一项近乎定义性的测验、一处采集伪影），而非疾病本身的信号。若没有消融研究或可解释性分析来揭示该图所依赖的东西，人们便无法把真正的理解与捷径区分开来。
它改变了什么
对研究界而言，其指导思想——通过把数据留在知识图谱中而摆脱人工协调——值得深挖，因为它瞄准的是一项真实且被低估的成本。但举证的门槛很清楚：下一版需要给出数据泄漏审计（严格按患者划分、排除近乎定义标签的变量）、至少在第二个队列上的外部验证，以及一个被命名的比较对象。在这三者齐备之前，这一惊人结果仍是假设，而非论证。
对临床医生而言，没有可部署之物，且必须直言：把 ADNI 受试者分为阿尔茨海默病 / MCI / 正常并非临床需求——诊断另有其道，而对这些受试者而言其结果早已知晓。PatTree 可能的价值不在于这一结果，而在于其上游的承诺：能够摄入真实、杂乱的病历、而无需数月准备的流程。那一承诺尚未得到证明。
对患者与公众而言，其教训是面对任何医疗 AI 宣告时一个有用的阅读反射：在一个连医生自己都觉得困难的问题上出现接近 100% 的数字，应引起警惕，而非兴奋。最好的研究往往报告更为朴素的分数，正是因为它们费心不让自己被自己欺骗。性能唯有结合其测得的条件才有意义。
延伸阅读
预印本见 arXiv（2608.02692），于 2026 年 8 月 3 日提交至 cs.LG 类别。作为背景，可参阅 ADNI 队列（阿尔茨海默病神经影像倡议）、关于以患者为中心的知识图谱与医学信息学中 FAIR 原则的文献，以及关于机器学习应用于健康中的数据泄漏与捷径学习的方法学工作，它们提供了查证如此之高分数所需的工具。