MediCloudX：面向智慧医疗的可扩展云原生大数据分析框架及其在ICU死亡率预测中的创新应用

《Sustainable Computing: Informatics and Systems》：MediCloudX: A Scalable and Secure Cloud-Based Big Data Analytics Framework for Smart Healthcare Applications

本文提出MediCloudX云原生框架，创新性地融合TabNet（结构化电子健康记录EHRs处理）与Informer（长期时序数据分析）的双模态深度学习架构，通过Reptile Search Algorithm（RSA）实现超参数优化，在中国ICU场景下达到98.0%预测准确率。该框架兼具可解释性、数据安全性与弹性扩展能力，为智慧医疗实时决策提供新范式。

　　

文献综述

大数据分析、云计算和机器学习的融合正在通过使医疗系统更加个性化、可扩展和数据驱动来改变医疗保健服务。过去十年的科学探索已经确定了基于云的架构作为医疗保健协作分析成功工具的可能性。例如Agapito等人[14]和Berros等人[15]的研究相继引入云平台作为工具，不仅支持工作流程...

问题陈述

尽管基于云的分析和人工智能驱动的医疗系统取得了重大创新，但普遍存在的限制仍然阻碍着实际部署和可扩展性。在云平台中维护数据安全和患者保密性的持续问题，阻碍了在敏感医疗环境中的采用[14]。在大型动态医疗系统中集成安全加密方法（如基于精准加密的方法）的复杂性[24]。多模态整合的挑战...

建议方法：MediCloudX-ICU死亡率预测

为了支持结构化、可扩展和云原生部署，设想的MediCloudX框架采用四层架构：用户层、云层、大数据层和存储层。患者、ICU传感器和医院工作人员构成用户层，从临床系统生成结构化和时序数据。数据摄取、编排和安全虚拟机（VM）部署由云层的PyCloud管理。大数据层负责所有预处理、集成、深度学习...

系统仿真与资源评估

为了评估建议的MediCloudX框架的系统级可行性、可扩展性和成本效益，使用混合环境进行了性能模拟，该环境结合了本地工作站处理和通过PyCloud编排的基于云的训练。本节通过分析框架在不同工作负载下的训练时间、推理效率、资源利用率和云成本表现，对第4.4节描述的实验环境进行了补充。

结论与未来展望

这项工作提出了MediCloudX，一个可扩展、安全、智能的基于云的大数据分析平台，专为中国医院ICU环境中的院内死亡率预测而设计。通过结合用于结构化数据的TabNet、用于时序信号的Informer以及用于超参数优化的RSA，该系统实现了出色的预测能力，准确率达98%，灵敏度100%，且具有高特异性。使用中国ICU数据集进行的大规模实验证明了该框架在现实世界ICU部署中的计算效率和可扩展性。未来的工作将探索联邦学习（Federated Learning）以增强跨医院协作，同时保持数据隐私，并研究将大型语言模型（Large Language Models, LLMs）集成到临床决策支持系统中。