《Frontiers in Computational Neuroscience》：HQML-ICU: hybrid quantum-classical machine learning for ICU mortality prediction using MIMIC-IV electronic health records
编辑推荐：
重症监护病房（ICU）死亡率的准确预测对于指导临床决策和优化资源配置至关重要。尽管机器学习方法已提升了传统疾病严重程度评分系统的性能，但在电子健康记录（EHR）数据中建模复杂特征交互方面仍面临固有局限。本研究引入了一种混合量子-经典机器学习（HQML）框架用于
重症监护病房（ICU）死亡率的准确预测对于指导临床决策和优化资源配置至关重要。尽管机器学习方法已提升了传统疾病严重程度评分系统的性能，但在电子健康记录（EHR）数据中建模复杂特征交互方面仍面临固有局限。本研究引入了一种混合量子-经典机器学习（HQML）框架用于预测ICU死亡率，并采用重症监护医学信息集IV（MIMIC-IV，2.2版）数据库进行评估。该方法整合了经典自编码器进行降维（从87个特征降至16个潜在维度）、利用ZZFeatureMap编码和RealAmplitudes变分拟设（L=3层，48个可训练参数）的4量子比特参数化量子电路（PQC），以及经典后处理层。在一项包含38,624例ICU入院（12.8%死亡率）的回顾性队列中，HQML模型实现了0.871的受试者工作特征曲线下面积（AUROC；95% CI：0.859–0.883），优于XGBoost（0.858；95% CI：0.844–0.872）、深度神经网络（0.847）、随机森林（0.838）、逻辑回归（0.813）和SAPS-II（0.771）。与XGBoost相比的改进具有统计学显著性（DeLong p=0.012），并通过5折交叉验证得到证实。该模型表现出更优的校准性能（Brier分数0.089 vs. 0.095）和增强的数据效率。全面的消融实验阐明了电路深度、量子特征映射选择、自编码器潜在维度、类别不平衡管理和量子噪声的影响。噪声分析表明，维持这一优势需要低于10?3的门错误率。这些发现证实，在理想化模拟条件下，混合量子-经典架构可在临床预测任务中产生增量但具有统计学显著性的改进。由于该研究局限于单中心数据集（MIMIC-IV），在建立临床泛化性之前，需要在独立队列上进行外部验证。
一、研究背景与意义
重症监护病房（ICU）产生当代医学中最全面的患者级数据集，每次入院均包含来自持续生理监测、实验室检测、用药管理和临床评估的数千条带时间戳的观测记录。由于器官系统间的非线性交互、患者异质性以及随时间演变的疾病轨迹，ICU死亡率预测仍是一项艰巨挑战。死亡风险估计对于指导分诊、床位分配、治疗目标讨论和资源密集型干预措施的配置至关重要。
传统疾病严重程度评分系统，如APACHE、SAPS和SOFA，作为ICU风险分层的基石已超过三十年。这些基于逻辑回归和专家选择变量的系统，AUROC达到0.75–0.85，但受限于固定特征子集、线性假设和判别性能的平台期。大规模重症监护数据库（尤其是MIMIC）促进了现代机器学习方法的发展。XGBoost、深度神经网络和循环架构等技术报告的AUROC在0.83–0.92之间，具体取决于队列和平衡策略。然而，经典方法面临固有局限：深度网络需要大规模数据集，树集成使用可能忽略连续生理关系的轴对齐分割，且所有经典方法必须枚举随维度组合增长的交互特征。
量子计算提供了一种不同的范式，其中n个量子比特通过叠加和纠缠在2n维希尔伯特空间中运行。参数化量子电路（PQC）在混合变分框架中充当量子神经网络层，适用于含噪中等规模量子（NISQ）时代。量子核、电路表达性和泛化界方面的理论工作表明，在数据效率和复杂分布表示方面可能存在优势，尽管实际优势的条件仍在研究中。医疗保健领域的量子机器学习（QML）应用仍处于起步阶段。
当前NISQ设备表现出约10?3的双量子比特门错误率、限制性量子比特连接性（需要昂贵的SWAP操作）以及限制可达电路深度的退相干时间。这些约束要求采用混合方法：经典预处理降低数据维度以匹配量子硬件容量，量子电路在指数级大的希尔伯特空间中处理压缩表示，经典后处理将量子测量输出转化为临床上有意义的校准预测。此外，将理论QML优势转化为临床效用需要同时解决多项实际挑战：EHR数据的高维、稀疏和含噪特性及可变缺失模式；死亡率预测固有的严重类别不平衡（典型死亡率8%–15%）；需要良好校准的概率估计而非仅分类准确性；以及在不同患者亚群中保持一致性能以避免算法偏差和确保公平护理。
二、研究设计与技术方法
研究人员利用MIMIC-IV 2.2版数据库，该数据库源自2008至2019年间马萨诸塞州波士顿Beth Israel Deaconess Medical Center（BIDMC）ICU收治的患者，通过PhysioNet在授权数据使用协议下分发。纳入标准包括：年龄≥18岁、住院期间首次ICU入住、ICU住院时间≥24小时、前24小时内至少有一套完整生命体征。排除标准包括：入住前或入住6小时内存在不复苏（DNR）或仅舒适护理（CMO）医嘱、同一住院期间的ICU再入院、以及入院前数据不完整的院间转院。最终队列（n=38,624）按分层随机抽样分为训练集（60%，n=23,254）、验证集（20%，n=7,623）和测试集（20%，n=7,747），各分割均保持12.8%的死亡率。
研究采用的关键技术方法包括：（1）经典自编码器：编码器将87维输入映射至16维潜在向量（87→64→32→16，每层后接批归一化、ReLU激活和p=0.2的dropout），预训练50轮后冻结编码器权重并丢弃解码器；（2）4量子比特参数化量子电路（PQC）：采用ZZFeatureMap编码（Hadamard门、参数化Rz旋转及编码成对交互项的受控-Rz门）和RealAmplitudes变分拟设（Ry旋转加CNOT纠缠链，L=3层，共48个可训练参数），通过d/4个顺序编码-处理循环处理16维潜在向量；（3）经典后处理层：4→16→1全连接头加sigmoid激活，将量子期望值映射为校准的死亡概率。训练采用Adam优化器（学习率5×10?4）、类别加权二元交叉熵损失、批量大小256、基于验证AUROC的早停（15轮），量子梯度使用参数平移规则计算，Qiskit 0.45.0 statevector模拟器执行。所有实验在无噪声statevector模拟条件下进行。
三、研究结果
3.1 队列特征：38,624例入院中87.2%存活、12.8%死亡。非存活者年龄更大（73.4±14.8岁 vs. 62.4±17.1岁，p<0.001），SOFA评分更高（10.2±4.1 vs. 5.1±3.5），机械通气比例更高（66.1% vs. 34.2%），血管加压药支持比例更高（57.3% vs. 24.9%）。
3.2 主要性能：HQML模型在测试集（n=7,747）上达到AUROC 0.871（0.859–0.883），XGBoost为0.858（p=0.012），DNN为0.847（p=0.004），RF为0.838，LR为0.813，量子单独模型为0.789。AUPRC方面，HQML为0.571，优于XGBoost的0.549和DNN的0.532。每1,000例ICU入院中，灵敏度差异0.031可额外识别约4例死亡，特异性差异0.008可减少约7例假阳性。
3.3 成对显著性检验：DeLong检验显示HQML显著优于所有基线（p<0.05）。XGBoost vs. DNN处于临界显著（p=0.048），DNN vs. RF不显著（p=0.082）。
3.4 交叉验证：5折分层交叉验证中HQML为0.871±0.003，XGBoost为0.858±0.003，DNN为0.847±0.003，低折间方差证实鲁棒性。
3.5 校准与分类：Brier分数为0.089，Hosmer-Lemeshow检验p=0.493，校准截距?0.008（95% CI：?0.024–0.008），校准斜率1.02（95% CI：0.96–1.08）。配对Brier分数差异为?0.006（95% CI：?0.011至?0.001，p=0.018）。在0.192阈值下，灵敏度71.0%、特异性88.6%、阳性预测值（PPV）47.8%、阴性预测值（NPV）95.4%。相对于XGBoost的净重分类改善（NRI）为0.048（95% CI：0.018–0.078，p=0.002）。
3.6 特征重要性：SHAP分析识别的最重要预测因子为GCS（0.088）、乳酸（0.079）和平均动脉压（0.068）。交互分析显示HQML捕捉到更强的乳酸×血管加压药交互（0.024 vs. XGBoost的0.015）。
3.7 数据效率与量子比特扩展：在10%数据量下，HQML为0.817 vs. DNN的0.775。HQML比DNN少约28%的轮次收敛（49 vs. 68轮），但壁钟时间更长（48分钟 vs. 12.5分钟）。量子比特数在4处达到峰值，5–8量子比特无额外收益（p>0.1）。
3.8 亚组分析：HQML在全部12个亚组中均优于XGBoost，ΔAUROC范围为+0.010至+0.016。性别亚组的等化几率差异（EOD）为0.018、人口统计奇偶差异（DPD）为0.012，与XGBoost相当（EOD=0.015，DPD=0.010）。年龄组间最大校准差异为HQML 0.008 vs. XGBoost 0.011。
3.9 消融研究：电路深度L=3为最优（AUROC 0.871），L=1为0.844，L=5降至0.866，呈现非单调趋势，与贫瘠高原现象一致。ZZFeatureMap（0.871）优于PauliFeatureMap（0.859，p=0.006）、IQP（0.856）、AmplitudeEncoding（0.853）和AngleEncoding（0.848）。潜在维度d=16为最优（R2=0.94，AUROC=0.871），d=32时降至0.864。类别加权法最优（HQML 0.871），无处理时降至0.852，SMOTE为0.867，focal loss为0.869。组件消融显示深度影响最大（Δ=?0.027），后处理（?0.024），自编码器预训练（?0.019），随机编码对照（?0.073）。
3.10 噪声敏感性：AUROC从无噪声的0.871降至门错误率10?3时的0.861，在约2×10?3处被XGBoost超越。当前硬件运行接近此阈值。
3.11 计算成本：HQML训练48分钟，XGBoost为3.2分钟，DNN为12.5分钟。推理为每1,000样本2.4秒，临床可接受。
3.12 决策曲线分析：HQML在0.05–0.40阈值范围内净收益最高。在0.20阈值（约4:1成本比）下，净收益比XGBoost高约0.01，相当于每1,000名患者约10个额外正确决策。
四、讨论与结论
讨论部分指出，相对于最强经典基线的主要判别改进（ΔAUROC=+0.013，p=0.012）在绝对数值上适中但具有统计学显著性，且经5折交叉验证证实。在年收治5,000例ICU入院（约640例非存活者）的医院中，灵敏度差异0.031相当于比XGBoost多检测约20例死亡。校准优势（Brier 0.089 vs. 0.095）被认为是最具临床意义的发现，HQML的校准曲线在所有概率十分位内保持在完美校准的2个百分点以内，而DNN在最高风险十分位表现出超过5个百分点的过度自信。SHAP交互分析提供了量子组件贡献的机制性见解：更强的乳酸×血管加压药交互与难治性脓毒性休克的临床表型精确对应。数据效率优势（10%数据量时AUROC 0.817 vs. DNN的0.775）与量子学习理论中PQC因有利归纳偏置而可从更少样本泛化的结果一致，但该优势在70%以上训练数据时基本消失。消融实验提供了多项可操作的设计建议：L=3为表达性与可训练性的最佳平衡；ZZFeatureMap通过显式编码成对特征交互提供显著优势；d=16平衡重建保真度与量子处理能力；逆频率类别加权是最有效的类别不平衡处理策略。噪声敏感性分析表明，模拟基础上的改进可持续至约10?3的门错误率，但在2×10?3处被消除，当前IBM Eagle/Condor和Google Sycamore处理器运行接近此阈值（5×10?4）。
研究结论部分翻译如下：本研究首次在大规模ICU死亡率预测中系统评估了混合量子机器学习，并进行了全面消融分析。HQML框架通过经典自编码器降维、4量子比特PQC处理和经典后处理，在38,624例MIMIC-IV队列中实现了AUROC 0.871，显著优于XGBoost（p=0.012）、DNN（p=0.004）及其他基线，同时表现出更优的校准性能（Brier 0.089 vs. 0.095）和增强的数据效率。消融实验确定了最优电路深度（L=3）、特征映射（ZZFeatureMap）、潜在维度（d=16）和类别不平衡处理策略（类别加权）。噪声分析表明，维持相对于经典基线的优势需要低于约10?3的门错误率，当前硬件接近此阈值。研究证实，在理想化模拟条件下，混合量子-经典架构可在临床预测任务中产生增量但具有统计学显著性的改进。由于研究局限于单中心数据集（MIMIC-IV），在建立临床泛化性之前需要在独立队列上进行外部验证。
