一种基于生理学特征的时间图学习方法,用于预测重症监护患者的死亡风险

《Healthcare Analytics》:A physiology-guided temporal graph learning approach for intensive care mortality prediction

【字体: 大 中 小 】 时间:2026年05月15日 来源:Healthcare Analytics CS4.4

编辑推荐:

  Jeethu Joseph | M.V. Judy 计算机应用系,科钦科学技术大学,喀拉拉邦科钦,印度 摘要 许多现有的ICU风险预测方法并未明确表示生理关系,对预测形成的过程提供的洞察也很有限。在这项研究中,患者轨迹通过时间图结构来表示,该结构结合了生理测量数据与

  Jeethu Joseph | M.V. Judy
计算机应用系,科钦科学技术大学,喀拉拉邦科钦,印度

摘要
许多现有的ICU风险预测方法并未明确表示生理关系,对预测形成的过程提供的洞察也很有限。在这项研究中,患者轨迹通过时间图结构来表示,该结构结合了生理测量数据与正在进行的治疗干预信息,从而能够考察患者在临床支持下的稳定性。消融实验表明,去除治疗背景会大幅降低预测性能,这表明治疗信息在风险估计中起着重要作用。在没有这种背景的情况下,区分表面上的生理稳定性和实际的临床改善变得更加困难。与深度学习基线方法相比,基于图的建模方法表现出更一致的校准行为,并且对结构扰动的敏感性较低。对纵向注意力模式的分析进一步显示了排除治疗背景的模型无法捕捉到的不稳定形式。与包括表格化、基于树的、序列化和基于图的方法在内的基线模型进行基准测试后,模型行为存在明显差异。虽然基于树和序列的模型能够实现强大的区分性能,但序列模型在预测范围内表现出较高的ECE值(误差校正误差)。相比之下,所提出的基于图的模型虽然原始区分能力较低,但通过事后校准可以有效地提高概率估计的准确性,从而产生高度可靠的预测结果。这些结果突显了预测准确性和可靠性之间的重要权衡:即使模型具有高区分能力,仍可能产生过度自信或不稳定的概率估计。因此,所提出的方法通过捕捉临床变量之间的关系,提供了更一致的预测结果,使其更适合需要可靠风险估计的环境。

1. 引言
重症监护信息学的一项重要任务是预测ICU患者的即将出现的临床恶化[1]。在ICU停留期间,患者通常会产生密集且异构的临床测量时间序列数据,如生命体征、实验室数值、用药模式和液体平衡记录。临床时间序列数据的特点是时间依赖性强、采样模式不规则以及生理现象非线性。历史上,早期预警评分使用类似线性回归的阈值或规则来识别有不良后果风险的患者,如院内死亡和器官衰竭[2]、[3]。然而,这些方法未能捕捉到驱动这些结果的复杂、非线性和时变生理现象。受到这些观察的启发,许多基于深度学习的方法被用于多变量临床时间序列预测任务[4]、[5]、[6],采用了循环神经网络(RNN)、卷积神经网络(CNN)和变换器(Transformer)等神经架构[7]、[8]。尽管这些方法在捕捉时间关系方面取得了成功,但它们将每个时间戳视为一个平面向量,未能建模临床变量之间的关系。因此,这类基于序列的模型无法明确捕捉临床变量之间的潜在关系,例如血压与心率或乳酸与肌酐与液体平衡之间的关联。虽然基于序列模型的现有方法可以实现良好的区分能力,但它们缺乏可解释性,也未明确建模生理关系,这使得这些模型缺乏临床可解释性,并且可能对其他患者群体的泛化能力较差。图神经网络(GNN)通过在这些对象之间构建图并沿图边传播信息,自然地允许我们建模对象之间的关系,从而更好地编码多变量关系[9]、[10]。时间图模型通过跟踪患者状况随时间的变化来扩展这种方法[11]、[12],这更接近临床推理方式,即认为患者的状态是一个动态的、整合的整体,而不仅仅是一组离散的测量值。这种结构化的表示有助于提高ICU风险预测的准确性、可解释性和可靠性。

大规模电子健康记录(EHR)的可用性,如MIMIC-IV[13],促进了基于图的临床预测模型的发展。然而,大多数现有的图学习研究集中在静态的患者级图、共病网络或人群级知识图谱[14]上。很少有研究尝试使用来自ICU的细粒度时间序列来构建时间图表示,而且其中只有一部分研究专注于早期风险预测。此外,许多先前的研究没有考虑患者在当前治疗背景下的生理标志物,例如血管加压药或胰岛素的给药情况,这对于区分真正的生理稳定性和人为维持的稳态至关重要。在补偿性不稳定情况下,这种区分尤为重要。“补偿性不稳定”一词用于描述由于持续干预而使生理测量结果看似稳定的情况,尽管实际存在临床恶化。此外,尽管这些模型对临床决策至关重要(可靠性 and 信任度很重要),但很少有研究明确测试它们的校准情况[15]、[16]。可解释性也未得到充分讨论,因为现有方法主要集中在令牌级或特征级注意力上,对驱动风险的具体生理变量之间的相互作用提供的洞察有限。

尽管许多深度学习方法主要关注预测准确性,但本研究提出了一种以生理学为指导的时间图学习方法,同时强调可解释性和可靠性。该方法与已建立的基线方法进行了评估,包括逻辑回归、基于树的模型(例如XGBoost和随机森林)、序列架构(例如GRU、CNN和Transformer)以及基于图的模型(例如GCN)。本工作的关键贡献可以总结为:(1)开发了一种将临床知识纳入患者轨迹纵向建模的生理学指导时间图结构;(2)评估多个时间范围(24小时、48小时和扩展轨迹)的死亡风险预测,以评估时间一致性;(3)通过校准和稳定性评估以及区分指标来全面分析模型可靠性;(4)证明准确的风险预测需要建模生理测量与正在进行的治疗之间的相互作用,而不仅仅是考虑生理因素本身;(5)验证图结构能够自然适应不规则采样,从而减少了手动设计掩码特征的需求。

综上所述,这些贡献支持开发出适合安全关键重症监护环境的临床可解释且可靠的风险预测模型。本文的其余部分结构如下:第2节讨论相关工作,第3节描述方法论,第4节展示实验结果,第5节提供结论。

2. 相关工作
重症监护领域的机器学习已经从传统的风险评分发展到高级深度学习模型,这些模型可以随时间分析患者数据。本节回顾了临床环境中时间序列建模的发展,总结了处理不规则采样数据的常用技术,讨论了图表示学习的新兴趋势,并强调了校准的重要性。早期的ICU预测方法依赖于APACHE和SOFA等静态严重程度评分[2]、[3]。这些评分易于解释,但无法捕捉患者状况随时间的变化。随着ICU数据变得越来越复杂,研究人员开始应用机器学习技术来更好地建模这些数据。Johnson等人[1]总结了ICU数据中的关键挑战,这些挑战促使人们使用机器学习模型。根据该研究,ICU数据具有高维度、异构性、经常被破坏(由于缺失值和噪声),并且经常在不同的医疗系统中分割。后来的综述强调了深度学习方法在电子健康记录(EHR)中的巨大增长[4]、[17]。他们提出,该领域已经从基于任务的特征工程发展到更通用的表示学习,模型直接从原始纵向数据中学习患者表型。最近,Olang等人[18]进行了一项范围综述,发现尽管AI模型很常见,但异质性和缺乏外部验证等重大挑战仍然是将其应用于临床实践的主要障碍。

尽管像Transformer和RNN这样的模型在预测任务中表现良好,但它们普遍被认为缺乏透明度[19]。为了解决RNN在建模长距离依赖关系方面的局限性,Bednarski等人[20]提出了时间卷积网络(TCN)。当与数据重新平衡结合使用时,TCN在住院时长预测方面的性能优于传统的GRU模型。其他近期工作探索了基于概念的可解释性。例如,Kumar等人[21]引入了一种自解释神经网络,将原始临床特征映射到更高层次的临床概念(例如“酸碱失衡”),以提高透明度。然而,这种方法依赖于预定义的临床概念,而非直接从数据内的结构关系中学习。人们还探索了混合方法。Liu等人[22]提出了从更复杂且不太可解释的集成模型中提取预测模式,以生成可解释的XGBoost替代模型。因此,有一种趋势是朝着基础模型的方向发展,以获得更好的泛化能力。然而,临床验证仍然是一个瓶颈[23]、[24]。另一个挑战是ICU数据通常只在临床需要的时候才被记录,导致测量数据稀疏且不规则。常见的插补方法(如均值填充或前向填充)可能会改变真实的生理模式。深度学习架构可以明确处理不规则采样[25]。例如,时间感知LSTM(T-LSTM)和GRU-D等模型使用时间衰减机制逐渐减少旧测量值的影响[26]、[27]。这些方法基于这样一个假设:随着时间的推移,临床观察结果的信息价值会降低。最近的方法采用生成建模并加入动态掩码来处理缺失数据[28]。然而,单独使用掩码可能不够,因此提出了自监督对比学习来在不规则采样下学习更稳定的表示[29]。这些工作表明缺失数据本身可能具有临床意义。最近的研究探索了混合深度学习模型,这些模型结合不同的方法来捕捉复杂和不规则时间序列数据中的时间模式。例如,CNN-BiGRU模型已被用于物联网系统中的异常检测,其中卷积层识别短期模式,循环单元捕捉长期趋势[30]。这些方法展示了集成多种表示以建模时间信号的好处。尽管所提出的方法通过将时间信息与基于图的生理关系相结合而采用了不同的设计,但它基于结合互补结构以改进学习的类似理念。此外,还探索了GAN等生成模型来解决异常检测任务中的类别不平衡问题。虽然本研究没有对此进行调查,但它为未来的临床风险预测工作指出了一个有前景的方向。

传统的序列模型将患者数据视为随时间演变的平面向量。相比之下,GNN明确建模不同临床变量之间的关系,使其适用于结构化的医疗数据。Jin等人的调查[31]将GNN描述为一个强大的框架,用于捕捉标准模型难以表示的复杂非欧几里得关系。当应用于时间序列数据时,动态图可以表示系统状态随时间的变化。尽管这一想法最初在交通预测和物理学等领域得到探索,但现在越来越多地应用于生理建模。基于这一想法,Liu等人[32]提出了多尺度时空动态GNN(MSTD-GNN),该模型创建动态图来捕捉生理变量之间的隐藏关系,以预测心力衰竭死亡率。类似地,Kim等人应用图注意力网络(FT-GAT)来建模特征交互,以预测自主呼吸试验的成功率[33]。最近的研究还探索了基于图的医疗时间序列数据建模。Okano等人[35]提出了一个用于医疗时间序列中基于图的异常检测的分析框架。该研究展示了结构化图表示如何捕捉患者轨迹的偏差。同样,Cherian等人[36]提出了一个基于注意力的图模型,用于癫痫发作的定位和检测,展示了捕捉生理信号之间依赖性的好处。虽然这些工作集中在异常检测和信号级分析上,但它们强调了图神经网络在结构化临床建模中的日益广泛应用。

在医疗应用中,知识图被用来连接不同的EHR概念,如诊断、药物和实验室测量[37]。Carvalho等人表明,知识图嵌入可以通过添加外部语义上下文来改善ICU再入院预测[38]。然而,大多数医疗GNN模型在其图设计中没有明确包含领域知识[39]、[40]。相反,它们从数据中直接学习统计相关性或注意力机制来学习关系。从数据中学习图结构可以通过明确估计邻接矩阵来提高透明度[41]。然而,这些方法仍然依赖于相关性,而不是结合已建立的生物原理。正如Xie等人[39]所指出的,将生物学先验知识(特别是基于生理学的约束)整合进来以提高模型的鲁棒性在很大程度上尚未得到探索。从网络生理学的角度来看,这一差距尤为重要,因为网络生理学表明器官系统并不是独立运作的,而是通过结构化且相互连接的网络进行交互[42],[43]。然而,许多现有的临床预测模型并没有明确编码已知的生理关系,例如心率和血压之间的压力反射相互作用。同样,在肾脏疾病中,肌酐水平的升高伴随着电解质失衡(如高钾血症),因为肾脏负责维持钾的平衡[44]。相反,这些依赖性是通过相关性结构或协方差结构隐式学习的。尽管这样的表示方法能够捕捉到统计关联,但它们并不能区分内在的生理耦合和由临床干预引起的关联。先前的研究指出,使用领域知识作为归纳偏差有可能提高模型的鲁棒性和可解释性。例如,Ma等人[45]证明了当观测数据缺失或采样不规则时,通过编码健康先验知识可以实现更丰富的表示。同时,临床医生早就知道,尽管患者的生理状况在持续恶化,但他们仍然可以通过各种疗法保持血液动力学的稳定,从而给人一种健康的假象。像代偿性不稳定这样的情况说明了尽管存在持续的潜在恶化,生命体征仍可能看起来是稳定的[46],[47]。虽然一些机器学习模型已经开始明确考虑特定疗法或给药的效果,但许多现有模型只是将疗法视为另一组协变量,而没有建模这些干预如何掩盖潜在的生理恶化[9]。这可能导致模型将稳定的读数视为真正的改善,即使这种稳定性是靠持续的医疗支持维持的。除了结构建模之外,可解释性已成为医疗数据分析研究中的一个重要焦点。例如,一项关于糖尿病预测的可解释机器学习模型的比较研究强调了透明特征归因方法(如Shapley值)在提高临床信任和可解释性方面的重要性[48]。然而,这些方法主要提供预测后的解释,并且通常基于表格数据。它们并没有将生理关系作为模型结构的一部分。这突显了需要直接在结构化时间表示中嵌入可解释性的建模框架。

在重症监护中,仅有良好的预测准确性是不够的。风险估计也必须在床边是可靠且可解释的。Van Calster等人[15]报告说,许多模型获得了高AUROC分数,但它们预测的风险概率校准不佳。同样,Guo等人[16]表明,主要为区分目的训练的深度神经网络往往会产生校准不准确的结果。校准不良可能会产生严重后果。如果预测模型导致太多高置信度的误报警,临床医生可能会经历警报疲劳,并完全失去对临床决策支持系统的信任[49],[50]。因此,许多最新的医疗人工智能指南鼓励报告校准指标(如ECE),以及传统的性能指标[24]。正如Char等人(2018)所强调的,确保预测置信度既透明又有意义是知情临床决策的前提[51]。

3. 方法论
所提出的框架被组织成一系列模块化阶段,从数据预处理到图构建,最后到预测和评估。所提方法的完整工作流程如图1所示。它主要包括五个阶段,如下所述:
• 数据和队列层
• 评估和分析
• 生理学引导的时间图构建
• 时间图和基线模型
• 时间预处理和窗口化
此外,本节还描述了实施和模型训练的细节。

图1显示了本研究中使用的端到端架构。从MIMIC-IV数据集中提取了结构化的电子健康记录(EHR)时间序列,并将其重采样为60分钟的间隔。为了减少潜在的信息泄露(如行政编码变更或死亡前立即发生的复苏伪迹),输入序列中排除了结果标签前的最后六小时。处理后的序列被截断以匹配特定任务的观察范围(24小时、48小时或336小时)。从这个观察窗口构建一个时间图,用于通过学习纵向趋势和变量间的相互作用来预测死亡风险。

下载:下载高分辨率图片(903KB)
下载:下载全尺寸图片

图1. 所提出的生理学引导的时间图学习框架的端到端执行流程。原始ICU时间序列数据按每小时分辨率进行预处理和聚合。构建的时间图中的节点代表每个时间点的临床变量,边捕捉时间依赖性和临床定义的关系。该图使用时间图注意力网络(GAT)来建模变量和时间之间的相互作用,随后是一个预测头部,该头部生成风险估计值,可选地通过事后校准进行精细化。

3.1. 数据和队列层
该框架使用MIMIC-IV v3.1重症监护数据库[13]进行评估。MIMIC-IV是一个大规模的、去标识化的电子健康记录数据集,收集自美国波士顿的Beth Israel Deaconess医疗中心(BIDMC)。它包括十年的ICU入院记录,其中包含了人口统计信息、生命体征、实验室检测结果、液体平衡、药物使用和医院结局信息。

3.1.1. 队列特征
通过使用文献中广泛采用的生理分析结构化过滤原则,确定了一个临床上一致的ICU入院队列。 only包括成年入院患者(≥18岁)以及有明确住院期限的患者。排除持续时间少于24小时或超过14天(336小时)的病例,以确保重点关注重症疾病的典型急性期,避免瞬态观察住院和长期慢性护理轨迹。队列中包含的所有住院记录都必须具有有效的入院和出院时间戳、人口统计信息,并与其他医院记录完全链接。为了避免样本之间的信息泄露,数据集在受试者级别进行了分割,以便同一个人的ICU住院不在训练集、验证集或测试集中重复出现。队列用入院级别的元数据标记,如入院类型、位置和出院去向。为了保持生理可观察性的基线,排除了入院或出院时间戳缺失或年龄信息缺失的住院记录。在常规临床实践中,实验室和生命体征变量可能不经常被检测到,因此保留这些不規则性以反映现实世界ICU数据中的常规情况。这些不規则性使用标准的缺失指标进行编码,包括二进制可用性掩码,以及所提出的时间图公式。

3.1.2. 用于时间建模的临床变量
模型的输入包括21个动态临床变量,用于区分内在的生理状态和外在的治疗支持。这些特征被划分为图节点(状态变量)和上下文协变量。
- 生理图节点(14个变量):图拓扑由14个连续监测的参数定义,分为高频生命体征和间歇性实验室标志:
- 高频生命体征(6个):心率、呼吸频率、SpO2、收缩压和舒张压以及体温。
- 代谢标志物和肾脏标志物(8个):肌酐、钾、总胆红素、白细胞(WBC)计数、血红蛋白、乳酸和血小板。
- 治疗背景和协变量(7个变量):在每个时间点,节点表示中包含了与医疗干预和液体管理相关的信息。
- 药物干预(5个):二进制指标,对应于抗生素、抗凝剂、利尿剂、镇静剂或麻醉剂和血管加压药(如去甲肾上腺素)的给药。
- 液体动力学(2个):每小时的总液体输入(推注和维持液体)和总液体输出(尿液输出)的测量。

3.1.3. 标签定义和预测范围
预测目标是院内死亡率(y∈{0,1}),来源于MIMIC-IV的hospital_expire_flag。模型根据患者直到时间T的观察轨迹估计死亡率P(y=1∣x1:T)。模型的性能在三个观察范围内进行评估:24小时窗口、48小时窗口,以及覆盖整个ICU住院时间的最长336小时窗口。在下游时间预处理过程中应用观察窗口化和事件对齐截断。

3.2. 时间预处理和窗口化
3.2.1. 数据处理和时间对齐
时间被离散化为每小时间隔,并根据数据类型进行变量聚合。连续的生理变量在每小时内取平均值,液体体积被累加,药物变量被二进制编码以指示在区间内是否给药。
缺失值被保留以反映不规则的临床采样,并在归一化后使用零填充进行编码,同时使用一个显式的二进制掩码mt,f来表示每个观测的可用性。虽然为了简单起见使用了零填充,但模型并不完全依赖于填充值,因为缺失性是通过可用性掩码(mt,f)和自上次观测以来的时间(δt,f)特征明确建模的。这些特征使模型能够捕捉与不规则采样相关的模式。一项消融研究(第4.5节)表明,移除掩码和时间编码对性能变化的影响可以忽略不计(AUPRC变化<0.5%)。这表明时间图结构能够通过时间关系和变量间相互作用来捕捉缺失模式,从而减少了对显式填充的依赖。尽管如此,更先进的填充策略可能进一步提高表示质量,并且仍然是未来研究的领域。

这种表示方法提供了一种简单且透明的缺失值编码方式,同时通过所提出的图结构来建模时间依赖性和变量间相互作用。所有特征都使用仅在训练数据集上计算的统计量(μ,σ)进行标准化,以防止信息泄露。

3.3. 生理学引导的时间图构建
为了明确捕捉ICU时间序列数据中的时间动态和变量间生理相互作用,每个患者事件被表示为一个时间生理图:G=(V,E),其中节点对应于变量-时间对,边编码了纵向连续性和生理变量之间的临床驱动的依赖性。这种图构建构成了所提框架的核心归纳偏差。这种公式允许模型捕捉到临床相关的模式,例如代偿性不稳定,即尽管存在潜在的恶化,生理测量值可能看起来是稳定的。图2说明了基线时间图和所提出的生理学引导的时间图之间的结构差异。在面板(A)中,基线图仅通过每个临床变量的时间边连接。在面板(B)中,每个时间步都引入了额外的生理边。这种图拓扑连接了临床相关的变量,并形成了随时间演变的互连结构。这里,时间链接用红色边表示,绿色边表示生理连接,蓝色节点对应于临床变量-时间实例。该图表示了为样本患者事件实施的实际图结构,而不仅仅是简化的概念性插图。

下载:下载高分辨率图片(445KB)
下载:下载全尺寸图片

图2. 仅基于时间的图表示和生理学引导的图表示之间的结构比较。(A) 基线时间图仅具有基于时间的节点连接,捕捉变量内的演变,但不捕捉变量间的相互作用。(B) 所提出的图添加了基于临床信息的变量间边,使模型能够捕捉生理系统之间的关系,更好地表示患者状态。这些额外的连接引入了超出纯时间依赖性的新信息流路径。

3.3.1. 节点表示
每个节点vt,f∈V代表在时间步t观察到的临床变量f。每个节点编码了观察值、时间上下文、测量可用性和治疗信息。这使模型能够在每个时间步表示生理状态、观察模式和干预效果。
节点特征向量定义为(1)xt,f=[x?t,f,mt,f,δt,f,ct,s],其中:
- x?t,f表示归一化的观察值(如果缺失则用零填充的占位符),
- mt,f∈{0,1}表示是否观察到了该变量,
- δt,f表示自上次观测以来的时间,
- ct是包含药物指标和液体平衡的上下文向量(7个维度),
- s是所有节点复制的患者静态特征向量(例如年龄和性别)。
这些组件共同描述了测量值、其可用性、最新性和治疗背景。上下文向量ct反映了正在进行的干预,而mt,f和δt,f捕捉了ICU数据中常见的不规则采样模式。可用性掩码作为节点特征向量的一部分,不用于直接影响注意力机制。相反,它作为一个输入信号,使模型能够学习缺失模式。虽然零填充是一种简单的策略,但图结构使模型能够通过时间连接和变量间依赖性捕捉缺失模式。

3.3.2.边缘构建
E中的边缘被构建为捕捉两种互补的依赖类型:时间演变和生理耦合。

时间边缘
为了建模纵向动态,有向时间边缘连接连续时间步长中的相同变量:(2)(vt,f→vt+1,f),?f,t。这些边缘编码了特定变量的轨迹,使模型能够学习趋势、持续性和延迟效应,而不会将观测值压缩为单一的平坦序列。

生理边缘
为了结合临床知识,在同一时间步长测量的不同变量之间添加了连接:(3)(vt,fi?vt,fj),?(fi,fj)∈P。尽管这些生理关系是无向的,但每个连接都实现了为两个有向边缘 (vt,fi→vt,fj) 和 (vt,fj→vt,fi)。这允许信息在GATv2模型内双向流动。

生理边缘集P是根据已建立的临床关系定义的,并根据器官系统进行组织:
- 心血管:心率 ? 收缩压;心率 ? 舒张压
- 呼吸:氧饱和度 (SpO2) ? 呼吸频率
- 肾脏-电解质:肌酐 ? 钾
- 炎症/感染:白细胞计数 ? 体温
- 灌流/休克:乳酸 ? 收缩压;乳酸 ? 舒张压

选定的生理边缘基于先前研究中报告的成熟临床关系。心率和血压之间的心血管相互作用反映了血液动力调节,特别是在休克和循环不稳定性情况下 [46],[47]。氧饱和度和呼吸频率之间的呼吸关系常用于评估缺氧和呼吸窘迫。肾-电解质链接,如肌酐和钾,表明肾功能受损和电解质失衡 [44]。涉及白细胞计数和体温的炎症状况是感染的标准标志物。乳酸和血压之间的关系反映了组织灌注不足和休克,这些都是临床恶化的关键指标 [47]。

这些连接捕捉了主要生理系统之间的相互作用,在重症监护评估中常规使用。通过连接相关变量,图允许信息在生理子系统之间流动,使得当独立考虑变量时可能看不到的多器官不稳定模式更容易识别。这在测量值受治疗影响且表面稳定并不反映真正临床恢复的情况下特别有用。

尽管这些边缘是使用临床知识定义的,但它们被用作指导性假设而不是固定规则。它们简化了复杂的生物学关系,并不一定适用于所有情况。GATv2架构使用注意力机制在每个时间步长为每个连接分配重要性,允许模型在缺乏患者特定数据支持时减少对预定义关系的依赖。

为了进一步评估鲁棒性,所提出的图与使用随机和基于相关性的边缘的替代配置进行了比较。这些变体的性能接近仅时间基线,并且观察到生理指导图的持续改进。这表明模型并不严格依赖一组固定的预定义关系,并且在这些假设无效时可以适应。

此外,使用减少和替代边缘配置(例如,生理关系的子集)进行的敏感性分析表明,性能更多地取决于选定边缘的相关性,而不是它们的总数,进一步支持了所提出设计的鲁棒性。

总体而言,得到的时间图表示了变量内部的时间演变和变量之间的生理关系。变量内部的边缘表示单个生理测量的时间进展,而变量之间的边缘捕捉了同一时间步长中不同变量之间的相互作用。与将患者数据压缩为单一向量的基于序列的模型不同,这种方法为每个变量保持独立的轨迹,同时保留了具有临床意义的连接。这种结构保留了生理背景,并为下游风险预测提供了坚实的基础。

3.4 时间图和基线模型
3.4.1 图编码器:基于注意力的时间消息传递
所提出的模型将每个患者事件表示为一个时间生理图,并使用图注意力网络(GATv2)[52]进行编码。每个节点 vt,f 首先用特征向量 xt,f 初始化,其中包括标准化变量值、缺失指示器、自上次观察以来的时间、治疗背景和静态患者属性,如第3.3节所定义。

消息传递通过时间和生理边缘进行。时间边缘向前指时间,并连接相邻时间步长中的相同临床变量。变量之间的生理关系通过成对的有向边缘实现为双向连接。GATv2为每个边缘计算注意力系数,允许模型自适应地权衡来自相邻节点的信息,而不是平等对待所有连接。注意力机制为每个边缘计算一个标准化的重要性得分,定义为:(4)αij=softmax(ja,Whi,Whj),其中 a(?) 是一个可学习的函数,W 是一个共享的线性变换。这些系数决定了消息聚合期间相邻节点的贡献。

3.4.2 图读出和池化
消息传递后,每个节点表示总结了从其时间邻居和生理连接变量传播的信息。为了获得每个ICU停留期间的固定维度表示,使用全局均值池化聚合节点嵌入,得到图级向量 hgraph。这种池化操作独立于节点排序,确保观察窗口内的所有变量时间实例都贡献到最终表示中。池化表示通过具有ReLU激活函数和丢弃的多层感知器进行处理。图级表示通过多层感知器(MLP)处理,产生一个标量输出,然后使用Sigmoid函数转换为概率:(5)y?=σ(MLP(hgraph))。

每个图对应于一个固定的观察范围,得到的输出表示该范围内的住院死亡率估计风险。模型使用加权二分类交叉熵进行端到端训练,以解决类别不平衡问题。

3.4.3 基线模型
为了评估生理指导时间图建模的贡献,将所提出的方法与三类基线模型进行了比较。首先,包括逻辑回归、随机森林 [53] 和 XGBoost [54] 的表格基线在没有明确时间结构的情况下操作范围级聚合特征。其次,基于GRU [55] 和 Transformer [56] 架构的序列模型使用时间排序处理多变量时间序列,但不包含明确的跨变量生理依赖性。最后,静态图基线应用图卷积而不使用时间边缘来评估时间消息传递的效果。所有基线模型都使用相同的训练、验证和测试分割进行训练和评估,以确保公平比较。

3.5 评估和分析
3.5.1 评估指标
模型使用AUROC和AUPRC以及F1分数和准确率进行评估。由于死亡率预测中的类别不平衡,AUPRC被视为主要指标。

3.5.2 校准和可靠性
校准使用在M=10个置信区间上计算的预期校准误差(ECE)进行量化:ECE=∑m=1M|Bm|N|acc(Bm)|?conf(Bm)|。

为了避免乐观偏差,在与训练和最终测试评估都不相交的保留校准分割上拟合等渗回归。然后在保留的测试集上评估校准后的概率,并报告可靠性图表。

3.5.3 组件敏感性和消融研究
为了分离每个建模组件的贡献,通过选择性地掩码输入或移除边缘类型并测量性能变化来进行推理时消融研究。评估了以下变体:
1. 无药物和液体:移除治疗背景特征
2. 无时间边缘:移除时间连接
3. 无生理边缘:移除生理指导边缘
4. 无时间编码:移除Δt特征
5. 无掩码指示器:移除缺失掩码

3.5.4 可解释性分析
使用基于显著性的归属来检查模型行为。对于训练好的模型和输入图G,使用Input×Gradient [57]计算特征相关性:St,f=|xt,f??y??xt,f|。汇总患者间的显著性以获得全局变量重要性,并随时间保持以研究时间重要性动态。

3.6 训练和实现细节
所有模型都在PyTorch中实现,并使用小批量随机优化进行训练。模型参数使用Adam优化器 [58] 进行优化,学习率为5×10?4,权重衰减为1×10?4。所有实验中使用的批量大小为16个ICU停留期。图注意力网络每层使用64个隐藏单元和四个注意力头。对节点嵌入和注意力系数应用概率为0.3的丢弃以减少过拟合。训练使用加权二分类交叉熵进行端到端处理,以考虑住院死亡率的类别不平衡。正类权重根据训练分割中的死亡事件频率的倒数设置。由于死亡率是一个罕见的结果,模型是根据验证AUPRC而不是基于准确率的指标选择的。当验证AUPRC在连续时期未能改进时,应用学习率降低和提前停止。保留达到最高验证AUPRC的检查点,用于在保留的测试集上进行最终评估。所有基线模型都使用相同的训练、验证和测试分割进行训练,以确保公平比较。逻辑回归和基于树的基线在时间聚合特征上进行训练,序列模型直接在时间有序的测量上进行操作,基于图的基线使用与所提出模型相同的节点特征,但边缘结构不同。训练在Google Colab上进行,使用NVIDIA T4 GPU,选定的实验在NVIDIA A100 GPU上运行。事后校准使用在单独的校准子集上拟合的等渗回归 [59] 并独立评估其有效性,以防止信息泄露。

4. 实验结果
4.1 科群和结果统计
在应用了第3.1节描述的年龄、ICU停留时间和数据质量过滤器后,最终研究科群包括来自52,598名独特患者的70,932次ICU停留。入院时的中位年龄为65.0岁(四分位数范围 [IQR]:54.0至76.0岁),表明是典型的三级护理ICU中的老年人群体。在最终科群中,56.6%的患者为男性,43.4%为女性。模型的住院死亡率性能在三个观察窗口中进行了评估,包括最初的24小时、48小时和完整的336小时轨迹。对于每个实验设置,数据集的构建方式是每个ICU入住都由一个仅使用该时间范围内可用数据的唯一时间图表示。使用分层分割来保持不同折叠之间的不良结果发生率,从而反映了ICU数据的自然类别不平衡。由于预测目标(最终的住院死亡率)在所有时间范围内保持不变,因此在所有实验设置中结果的普遍率大约为11.2%。这些统计信息在表1中总结。

表1. 科群特征和结果普遍率。
指标 数量
ICU停留次数 70,932
独特患者数量 52,598
中位年龄(IQR),岁 65.0(54.0–76.0)
男性患者百分比 56.6%
女性患者百分比 43.4%
结果普遍率(住院死亡率) 11.2–11.4%

4.2 跨时间范围的总体预测性能
为了与之前描述的评估框架保持一致,结果在所有基线类别中报告,包括表格模型(逻辑回归、随机森林、XGBoost)、序列模型(GRU、CNN、Transformer)和基于图的方法。表2总结了所有基线模型和所提出的生理感知时间图学习框架在三个临床相关观察范围上的预测性能:24小时(即时风险)、48小时(短期风险)和扩展的336小时范围(综合轨迹)。与之前的重症监护机器学习工作一致,基于树的集成模型在短期预测中表现良好 [5]。XGBoost在24小时范围内实现了最高的区分度(AUROC 0.885),表明在短期内,患者的最新生理状态具有高度预测性。然而,随着观察窗口扩展到扩展的336小时范围,深度序列模型显示了其优越性。GRU(RNN)在扩展的336小时范围内具有最佳的AUROC(0.951)和AUPRC(0.793),优于XGBoost(AUROC 0.934)。这与长期恶化最好通过建模完整的生理事件序列而不是依赖于汇总统计量的预期一致。在基于图的方法中,结果明确验证了所提出的生理感知拓扑。

静态GCN基在线上336小时范围内的AUROC为0.768。结果表明,以图形式表示ICU数据而不显式建模节点之间的时间和生理关系可能不足以学习临床相关的模式。相比之下,所提出的框架在同一时间范围内达到了0.881的AUROC和0.584的AUPRC,显示出比静态公式更好的性能。尽管在较长时间范围内,所提出模型的绝对区分性能略低于GRU,但这种差异必须结合校准和可解释性考虑来解释。虽然GRU实现了更高的AUROC(0.951 vs 0.881),但其校准误差(ECE > 0.10 vs 0.008)显著更高,限制了其在临床设置中的可靠性。相比之下,所提出的时间图在校准后实现了相当的分类性能(ECE ≈ 0.008),并通过捕捉临床变量之间的相互作用提供了对模型行为的洞察。这反映了原始预测性能与临床可用性之间的权衡,在安全关键环境(如重症监护)中,可靠的概率估计和可解释的推理是必不可少的。图3中的精确度-召回率曲线(PR)展示了结构有效性的层次结构。用虚线灰色突出显示的GRU代表了判别的上限,它利用隐藏状态中的尽可能多的相关性来提高召回率。但是,如静态GCN(红色虚线)的性能所示,通用的图结构不足以学习时间风险的演变。相比之下,所提出的时间图(蓝色实线)填补了这一空白。通过明确建模生理依赖关系,它在336小时的时间范围内显著优于静态GCN(AUPRC分别为0.584和0.358)。这表明,一个考虑生理学的拓扑结构能够防止静态模型中的节点表示问题,并在RNN的原始预测能力和临床结构的可解释性之间提供了最佳的平衡。

表2. 所有基线类别(表格、序列和基于图的模型)在所有预测时间范围内的整体预测性能(预留测试集)。模型在完整的特征集(21个变量)上进行训练,包括生命体征、实验室值和药物/液体干预。指标报告为AUROC/AUPRC/F1/准确性。

模型 24小时时间范围 48小时时间范围 336小时时间范围
表格基线
逻辑回归 0.820/0.420/0.382/0.718 0.830/0.451/0.391/0.732 0.857/0.521/0.427/0.765
随机森林 0.880/0.525/0.401/0.901 0.892/0.569/0.452/0.905 0.923/0.697/0.602/0.924
XGBoost 0.885/0.520/0.428/0.904 0.900/0.590/0.438/0.912 0.934/0.729/0.631/0.933
序列基线
GRU(RNN)0.872/0.506/0.431/0.755 0.901/0.599/0.432/0.729 0.951/0.793/0.617/0.877
CNN(1D)0.868/0.486/0.425/0.750 0.878/0.520/0.465/0.793 0.904/0.617/0.543/0.856
Transformer 0.876/0.529/0.394/0.683 0.898/0.608/0.476/0.789 0.936/0.749/0.604/0.877
图模型
GCN(静态)0.700/0.212/0.286/0.532 0.760/0.314/0.338/0.771 0.768/0.358/0.295/0.555
时间图(我们的方法)0.825/0.398/0.392/0.728 0.849/0.454/0.461/0.856 0.881/0.584/0.501/0.835

下载:下载高分辨率图像(431KB)
下载:下载全尺寸图像

图3. 不同预测时间范围内的精确度-召回率曲线。

4.3. 校准和可靠性分析
准确的概率估计对于临床决策支持至关重要。当模型用于大量误报会导致警报疲劳的情景中时(例如早期风险分层),这一点尤为重要。如果预测概率与真实的经验风险不匹配,良好的判别性能(AUROC)不足以保证安全性。表3报告了所有基线模型和所提出框架在三个预测时间范围内的预期校准误差(ECE)。表格集和深度序列模型之间存在较大的校准差距。如表3所示,XGBoost表现出优异的固有校准能力,在336小时时间范围内实现了0.003的ECE。这就是为什么基于树的模型被广泛用作可靠性参考标准的原因[15]。相比之下,深度序列基线表现出严重且持续的校准误差。即使在使用等渗回归进行事后校准后,GRU和Transformer的误差率仍然很高(ECE > 0.10)。为了缓解通常与等渗回归相关的过拟合效应,校准使用了一个与训练集和评估集都不同的预留分割。当校准子集有限时,等渗校准可能会过拟合,在某些时间范围内会导致ECE略微增加[59]。这种现象表明,事后校准并不能统一纠正所有模型的概率估计。校准不良的概率可能导致高置信度的误报,这在实践中会导致警报疲劳[60]。

表3. 不同预测时间范围内的预期校准误差(ECE)。较低的ECE表示更好的可靠性。虽然基于树的集成模型(XGBoost)表现出强大的固有校准能力(ECE < 0.01),但深度序列基线(GRU, Transformer)即使在使用等渗回归进行事后校准后仍存在显著的校准误差(ECE > 0.10),后者可能在有限的校准子集上过拟合。所提出的时间图表现出优越的可纠正性:尽管其原始分数未经校准,但它们被成功映射为校准良好的概率估计(校准后的ECE ≈ 0.008),与表格基线的可靠性相匹配。

模型 24小时时间范围 48小时时间范围 336小时时间范围
空单元 原始 校准 原始 校准 原始 校准
表格基线
逻辑回归 0.266 0.266 0.257 0.257 0.242 0.242
随机森林 0.010 0.005 0.012 0.008 0.009
XGBoost 0.011 0.007 0.008 0.008 0.003
序列基线
GRU(RNN)0.217 0.224 0.247 0.258 0.127 0.131
CNN(1D)0.217 0.225 0.190 0.188 0.147 0.127
Transformer 0.259 0.266 0.173 0.187 0.099 0.113
图模型
GCN(静态)0.381 0.383 0.222 0.182 0.347 0.352
时间图(我们的方法)0.283 0.028 0.091 0.019 0.163 0.008

时间图框架在校准后的行为比在类似条件下的序列模型更稳定。尽管其原始预测像大多数深度网络一样过于自信(原始336小时ECE为0.163),但其拓扑结构产生的风险分数可以通过事后校准得到有效校正。经过等渗校准后,所提出的方法的长期ECE为0.008,与XGBoost基线(0.003)相当,并且优于GRU一个数量级以上(0.131)。需要注意的是,这些改进是通过事后等渗回归实现的,而不是模型架构本身固有的。原始模型输出仍然校准不完全,表明模型设计本身并不能完全解决校准问题。这一区别很重要,以避免将校准性能归因于架构本身。这表明,由生理学指导的图结构鼓励了比标准RNN更稳定的内部表示,后者可以使用标准校准方法更有效地进行校正。图4显示了可靠性图表,说明了这种效果。在标准的深度学习模型中,绿色和红色虚线相对于完美校准线表现出系统性的过度自信。相比之下,经过校准的时间图(带有方形标记的蓝色实线)紧密跟踪理想的对角线。这一结果支持了所提出框架产生的表示可以使用标准的事后方法进行有效校准,同时保持预测性能的观点。这些发现突出了模型选择中的一个重要权衡。序列模型实现了高判别能力,但它们的校准不良和有限的可解释性降低了它们的临床实用性。相比之下,所提出的方法提供了更平衡的解决方案,结合了强大的校准和结构化的可解释性以及有竞争力的预测性能。

下载:下载高分辨率图像(428KB)
下载:下载全尺寸图像

图4. 可靠性图表和预期校准误差(ECE)。

4.4. 外部验证和泛化能力分析
为了评估所提出模型在MIMIC-IV之外的数据集中的泛化能力,在eICU协作研究数据库[61]中进行了一项外部验证研究。该数据集包括来自许多医院的ICU admitted患者,这些医院具有不同的临床实践、测量协议和患者群体。评估交叉数据集的一个关键挑战是数据表示和测量 convention 的差异。为了解决这个问题,使用与MIMIC-IV训练设置对齐的纳入标准构建了一个eICU队列。该队列包括在ICU停留时间为24小时至14天的成年患者。时间序列数据以每小时为粒度聚合,以匹配MIMIC-IV上用于模型训练的预处理流程。时间特征相对于入住ICU的时间进行索引。特征是从多种模式中提取的,包括生命体征、实验室检查和液体平衡。生命体征特征是从定期和非定期的生命体征测量中提取的。当有可用的非侵入性血压测量时,用它们来填补缺失的定期测量值。实验室值使用基于规则的标准化转换成标准临床变量,以匹配训练集的特征空间。从药物输注和处方表中获取的药物被合并并根据临床相关特征进行分类,包括血管加压剂、抗生素、镇静剂和抗凝剂。应用了几种标准化步骤以最小化数据集之间的差异。在eICU中以摄氏度记录的温度值被转换为华氏度,以匹配MIMIC-IV的分布。生理变量被限制在临床合理的范围内,以减少异常值和测量噪声的影响。所有连续变量都被转换为标准数值格式,药物指标在小时和患者级别都被编码为二进制特征。

表4. 所提出的时间图模型在eICU数据集上的外部验证性能。

然后,未经任何重新训练或微调就将训练好的模型应用于eICU数据集。在三个预测时间范围内评估了性能:24小时、48小时和整个住院期(最长336小时)。如表4所示,模型在24小时、48小时和完整住院期的预测中分别实现了0.614、0.626和0.589的AUROC值,以及相应的AUPRC值分别为0.145、0.134和0.111。尽管与MIMIC-IV的内部验证相比性能较低,但这种差异可能是由于患者群体、临床工作流程和不同机构的数据采集实践的差异所致。重要的是,模型在所有预测时间范围内都保持了一定的判别性能,表明学习到的时间和生理模式可以泛化到训练数据集之外。校准分析显示,当模型直接应用于eICU时,其过度自信,预期的校准误差(ECE)值约为0.88到0.91。然而,事后等渗校准显著提高了可靠性,将所有时间范围内的ECE降低到0.004以下,而不影响判别性能。这表明,虽然原始概率估计在域转换下会下降,但可以通过特定于数据集的重新校准有效纠正。为了评估不同临床环境下的性能变化,进一步在eICU数据集的医院级别评估了模型的性能。表5展示了206家医院的汇总统计信息。平均AUROC值在所有预测时间范围内大约在0.61到0.66之间。尽管不同医院的性能有所不同,但模型在大多数情况下表现良好,表明它可以处理不同的患者群体和护理实践。为了提供对外部泛化能力的重点评估,从初始基线套件中选择了XGBoost和门控循环单元(GRU)作为主要基准。这些模型反映了在内部验证期间观察到的最强表现者,并代表了互补的建模范式。XGBoost作为可靠性的参考,已经在主要数据集上展示了强大的固有校准能力(ECE≈0.003),而GRU模型提供了判别性能的基准,实现了序列基线中最高的AUROC和AUPRC。这些基线使得在外部验证下校准和判别之间的平衡比较成为可能。

表5. 所提出模型在eICU数据集的206家医院中的医院级性能。

与基线模型进行了比较。XGBoost在所有时间范围内实现了最强的判别能力,其次是GRU基线。然而,当GRU直接应用于外部数据集时,其校准明显下降,ECE值范围从0.37到0.47。相比之下,所提出的时间图模型虽然原始判别能力较低,但其产生的概率估计更稳定且更容易调整。经过等渗校准后,模型在所有时间范围内的ECE接近于零,表明校准后的风险分数具有很强的可靠性。这些发现突出了预测准确性和可靠性在域转换下的重要区别。像GRU这样的序列模型在训练数据上表现良好,但它们往往对特定于该数据集的模式敏感。相比之下,所提出的方法利用临床变量之间的结构化关系,导致更稳定的预测,这些预测在新的环境中更容易调整。总体而言,结果表明该框架可以应用于训练数据集之外,并在不同ICU环境中继续表现良好。尽管在数据集转换下准确性会下降,但模型学习的潜在生理模式仍然在不同数据集中保持一致,并且可以通过适当的重新校准进行调整。

4.5. 消融研究
为了更好地理解所提出方法的时间、结构和治疗方面的相对影响,进行了系统的消融研究。这项研究通过在进行推理时屏蔽相应的输入或图边缘来评估每种提出机制的贡献,并测量随之而来的预测性能下降。

4.5.1. 组件敏感性分析
表7中的结果总结了选择性移除某些单个组件对模型整体性能的影响。结果表明,移除治疗背景对模型性能的影响最大。其次是移除时间结构、生理结构和显式特征工程。为了准确解释生理测量结果,需要有关正在进行的临床干预的信息,排除治疗变量使得解释生理测量结果变得具有挑战性。在移除时间连接的情况下,性能略有下降,表明患者病史对模型性能的贡献超过了变量之间的耦合。相比之下,消除生理边缘的影响较小且一致。然而,显式屏蔽和时间编码对整体模型性能的影响可以忽略不计。总体而言,这些结果表明,图结构已经处理了大部分时间不规则性,而显式屏蔽或基于时间的特征带来的额外好处有限。这些发现通过进一步的实验得到了进一步检验,这些实验评估了不同图结构(包括边缘密度和边缘类型)的影响。Δ% 列表示与完整模型相比 AUPRC 的相对变化。

模型变体
AUROCAUPRCECE ↓
影响(AUPRC)
时间图(我们的)
0.8839
0.5975
0.1644

- 没有药物和液体的治疗环境
0.7324
0.3405
0.1266
?43.0%

图配置
- 没有时间边
0.8532
0.5323
0.3252
?10.9%

- 没有生理边
0.8762
0.5749
0.1447
?3.8%

特征编码
- 没有时间编码
0.8815
0.5947
0.1902
?0.5%

- 没有掩码指示器
0.8846
0.5994
0.1753
+0.3%

4.5 边密度敏感性
为了评估对生理边数量和类型的敏感性,测试了多种配置,包括完整的临床图、减少的子集(边的一半和四分之一)以及特定领域的子集(心血管和肾脏)。生理图由7个独特的临床关系组成,表现为双向边(14个有向边)。如表8所示,完整图获得了最高性能(AUPRC ≈ 0.48)。较少的心血管边子集(clinical_quarter)获得了类似的性能(AUPRC ≈ 0.46),而较大但混合的子集(clinical_half)与完整图和特定领域子集相比,性能显著下降(AUPRC 0.384)。这些结果表明,模型性能不仅取决于边的数量,还取决于潜在生理关系的相关性。即使只使用预定义的生理连接子集,模型仍然保持稳健,这表明选择有意义的关系比边的总数更重要。当包含适量的临床相关边时,性能最高,这表明结构丰富性与噪声之间存在平衡。

表8. 不同边密度配置下的性能。

模型
边类型
边数
AUROCAUPRC
clinical_full
完整
70.85
40.48
2
clinical_half
混合
30.80
0.384
clinical_quarter
心血管子集
20.85
0.459
cardio_only
心血管
40.84
70.458
renal_only
肾脏
10.85
0.467

4.5.3 对图连接性的敏感性
为了研究模型性能如何受图结构的影响,实验通过改变图构建过程中使用的生理边数量来进行,同时保持时间连接不变。考虑了四种配置,如完整的临床定义边集合、包含大约一半边的减少集合、较小的子集(四分之一),以及只有一个边的稀疏配置。所有配置都使用相同的训练和评估程序独立评估每个预测范围。

在24小时和48小时的预测范围内,所有配置的性能都保持稳定。AUROC 和 AUPRC 的差异很小,表明短期预测主要依赖于最近的时间信息,对跨变量连接的依赖性有限。在336小时的预测范围内观察到了不同的模式。虽然完整图获得了0.865的AUROC和0.544的AUPRC,但减少边的数量并没有导致性能的统一变化。半边配置显示出明显的下降(AUROC 0.726,AUPRC 0.193),表明关键关系被移除了。相比之下,四分之一边配置的性能与完整图相当(AUROC 0.864,AUPRC 0.555),表明较少的相关连接集合足以进行长期预测。这些结果表明,性能不仅仅由边的数量决定,还取决于临床有意义关系的存在。即使在边数量适度减少的情况下,模型仍然保持稳定,但当移除重要连接时,性能可能会下降。这种影响在长期预测中更为明显,因为跨变量的依赖性在长期预测中起着更大的作用。表9提供了所有图连接配置的详细结果。

表9. 不同生理边连接性对模型性能的影响。

预测范围
配置
边数
AUROCAUPRC
F1
准确性

24小时
完整
70.82
70.39
4
0.394
0.356
0.646

半边
40.82
90.39
50.355
0.638

四分之一边
20.83
20.39
40.41
1
0.769

稀疏
10.81
80.38
30.32
1
0.567

48小时
完整
70.83
70.45
2
0.41
0.746

半边
40.84
50.458
0.41
0.746

四分之一边
20.84
50.456
0.397
0.716

稀疏
10.83
50.449
0.41
0.769

336小时
完整
70.865
0.544
0.464
0.809

半边
40.72
60.193
0.273
0.429

四分之一边
20.864
0.555
0.524
0.890

稀疏
10.864
0.550
0.435
0.766

4.5.4 边类型比较
为了评估生理知识的贡献,提出的图与替代结构进行了比较。在这些变体中,生理边被随机排列的连接或基于统计的相关边替换,同时保持边的总数不变。如表10所示,仅时间模型获得了强劲的基线性能(AUPRC ≈ 0.45),表明时间模式在预测中起主要作用。基于相关性和随机图的性能与这一基线相似,表明仅添加额外的边而没有有意义的结构并不能提高性能。相比之下,包含临床信息的图获得了更高的性能(AUPRC = 0.482,AUROC = 0.854),始终优于随机(AUPRC = 0.457)和基于相关性的(AUPRC = 0.451)替代方案。这些结果表明,性能的提升不仅由图结构本身驱动,还由变量之间包含的临床有意义关系驱动。这些发现表明,性能的提升不能仅通过图结构来解释,还需要使用变量之间临床有意义的关系。

表10. 边类型比较。使用不同边构建的提出模型的性能,包括包含临床信息的边、随机边、基于相关性的边和仅时间的连接。

模型
边类型
AUPRC
AUROC
clinical_full
临床
0.482
0.854

random_same_count
随机
0.457
0.844

correlation_same_count
基于相关性的
0.451
0.846

temporal_only
无
0.450
0.846

4.5.5 结果分析
4.6 治疗环境的作用
消融研究中最重要的结果是,当移除与药物和液体支持相关的治疗协变量时,AUPRC 显著下降43.0%(从0.5975降至0.3405)。这一下降表明,仅凭生理测量不足以准确进行ICU风险分层。这一观察与临床解释一致,并反映了补偿性不稳定的概念,即由于持续的干预,生理测量可能看起来稳定,尽管实际上在恶化。必须将生理变量与正在进行的干预联系起来理解。例如,由于高剂量血管加压药而正常的血压与未用药但血压相同的患者具有相同的死亡风险。当移除治疗信息时,模型不再能够区分通过积极干预维持稳定的患者和在没有支持的情况下生理上稳定的患者。因此,像葡萄糖和血红蛋白这样的指标成为高排名特征(图5)。这可能是因为它们与胰岛素注射和输血等强化治疗相关。

4.6.3 显式特征工程的冗余
消融研究的另一个关键发现是,移除掩码指示器和时间编码对模型性能的影响很小(AUPRC增加不到0.5%)。这表明,虽然像这些缺失指示器通常用于建模临床时间序列的不规则采样,但在使用显式的时生理图表示时,它们的效用降低了。在这个框架内,时间边的设计也影响了信息在时间步骤中的传播方式。连接时间上接近的观察结果允许关注更近期和结构上相似的患者状态。因此,不规则的采样模式、缺失的观察结果和时间间隙模式可以从图拓扑中隐式学习,而无需过分依赖手工制作的指示器。这些结果表明,图结构能够在不显式设计缺失特征的情况下保持预测性能。总体而言,这些发现表明,结合时间信息和临床有意义的结构可以提高ICU风险预测。时间模式起着最重要的作用,而图有助于在变量之间传递信息。生理关系通过链接相关的临床变量提供了额外的背景,并有助于持续的性能提升。模型在不同的图设置中也表现良好,表明它不依赖于任何单一的边设计。额外的实验进一步支持了这一点。结果表明,性能不是由使用的边数量决定的,而是由是否包含正确的临床关系决定的。模型在不同的图配置下保持稳定,当移除关键临床关系时,性能主要下降。与随机和基于相关性的边的比较也表明,改进来自有意义的临床关系,而不仅仅是图连接性。然而,这些关系的有效性可能因患者状况的不同而异,特别是当生理相互作用因疾病或干预而改变时。

4.6. 失效分析
为了更好地理解模型的局限性,检查了24小时、48小时和336小时预测范围内的子组级误差模式。结果显示,误差在患者组之间分布不均。相反,在临床不稳定的患者和生理条件更复杂的病例中观察到更高的错误率。在所有预测范围内,乳酸水平较高的患者显示出更高的假阴性率。在24小时预测范围内,低乳酸子组的假阴性率从4.3%增加到高乳酸子组的23.7%。在48小时时,这一趋势仍然存在,比率从3.5%增加到22.8%,并在336小时预测范围内持续。由于升高的乳酸与休克和组织灌注不良相关,这表明在最危重的患者中敏感性降低。在接受血管加压药的患者中也观察到了类似的模式。在24小时预测范围内,接受血管加压药的患者假阴性率为13.8%,而没有接受血管加压药的患者为3.5%。在48小时时,相应的比率分别为11.6%和3.1%。这表明,当通过治疗维持生理稳定性时,不良结果更可能被遗漏。即使包括治疗信息,这些情况仍然难以解释。在不同年龄组之间也观察到了差异。老年患者的错误率增加,65岁以上的患者错误率最高。在24小时预测范围内,45岁或以下患者的错误率从4.9%增加到65岁以上患者的36.6%。在48小时时,这种差异更加明显,最年长组的错误率达到48.8%。这表明,在老年患者中预测变得更加困难,可能是由于疾病严重性、生理储备和对治疗的反应的差异更大。

4.7 可解释性分析
这些可解释性分析提供了关于模型行为的指示性见解,但不应被视为因果解释。注意力权重和基于梯度的显著性方法可能对模型变化敏感,并不一定总是直接对应于临床有意义的关系。为了进一步评估这些解释的稳健性,未来的工作将包括与已建立的事后可解释性方法(如SHAP)进行比较,这些方法提供了互补的特征归属视角,并有助于验证观察到的重要性模式的稳定性和临床相关性。为了理解模型在预测过程中如何使用输入变量,分析了全局特征重要性和时间注意力模式。

4.7.1 全局特征重要性和治疗环境
全局特征重要性是通过测试集平均显著性分数(|x??x|)来计算的。如图5所示,排名最高的变量主要是实验室测量值,包括血红蛋白、葡萄糖和血小板,而不是标准生命体征。这一模式与第4.5节描述的消融结果一致,其中在治疗变量被移除后性能下降。在没有明确治疗信息的情况下,模型赋予实验室特征(如血红蛋白、血小板和葡萄糖)更大的重要性。这些变量在输血、胰岛素给药和其他强化治疗期间会发生显著变化,尤其是在患者不稳定时。因此,它们反映了潜在的生理不稳定性,而不仅仅是生命体征的短期波动。例如,由于临床支持,经常监测的生命体征(如心率)可以保持在正常范围内,即使潜在的生理压力持续存在。因此,实验室测量提供了补充信息,有助于区分由干预措施维持的稳定性和真正的康复情况。下载:下载高分辨率图像(343KB)下载:下载全尺寸图像图5. 全局特征重要性。4.7.2. 时间重要性动态图6展示了特征重要性在终点前48小时内的演变过程。对于肌酐和白细胞来说,其重要性随时间逐渐增加,这与肾功能障碍的缓慢进展和炎症负担一致。相比之下,血红蛋白和血小板在大部分时间内重要性较低,然后在接近终点时急剧上升。这种晚期的升高与急性临床事件(如突然出血或循环衰竭)在时间上对齐。下载:下载高分辨率图像(325KB)下载:下载全尺寸图像图6. 最后48小时的时间特征演变。下载:下载高分辨率图像(711KB)下载:下载全尺寸图像图7. 案例研究展示了基于上下文的风险预测能力。尽管生命体征看似稳定,但模型识别出由于持续依赖升压药和胰岛素等干预措施而增加的风险。这证明了模型能够捕捉到表面测量数据无法显示的潜在临床不稳定性。4.8. 案例研究:补偿性不稳定性为了说明学习模型如何理解患者状况,图7显示了一个高风险患者在整个ICU治疗期间(300小时)的风险演变过程。选择这个特定案例是为了展示模型如何将生理测量数据与不同时间点的治疗情况相结合。该示例不仅关注单一时间点的状况,还强调了风险是如何根据患者的临床轨迹进行维护或调整的。演变中的风险轨迹(A面板)。在A面板中,黑色曲线显示了300小时内预测死亡风险的时间演变。在整个时间段内,风险预测值一直较高(P>0.7)。有趣的是,风险评分不受局部生理变化的影响,在生理表现看似正常的时段内也不降至安全范围内(例如t=100-150小时)。这表明模型通过B和C面板中的证据进行非肌力学推理,从而适当保持高警戒信号,反映患者的真实生理状态。补偿性不稳定性(B面板)。患者的收缩压(用蓝线表示)看似稳定,接近人群平均水平(Z分数≈0),但实际上是通过大剂量升压药支持的。在没有治疗背景的情况下,这种模式可能被解读为临床康复。然而,测量值依赖于持续的干预措施,因此模型仍持续预测高风险(高于0.8),反映出的是一种补偿性休克状态而非真正的康复。顽固性高血糖(C面板)。C面板展示了在胰岛素治疗期间的血糖升高情况。连续给予胰岛素后,观察到血糖多次超过正常范围(>2σ),这是极端生理压力下常常出现的胰岛素抵抗现象。即使在血压读数相对正常的情况下,预测的死亡风险仍然很高。这些图表强调了包含治疗背景的重要性,以便正确解读患者的稳定性。仅依赖标准化生命体征的模型可能会将被干预措施支持的稳定性误解为康复。然而,基于图的模型同时考虑了生理测量数据和支持这些测量的治疗方法。考虑到这种关系,该模型能够检测到持续的不稳定性,并且其预测性能与仅依赖生理变量的方法相当。5. 结论本研究提出了一个基于生理学的时序图公式,用于重症监护单元中的早期风险预测。患者的治疗过程被表示为时间条件图,将生理测量数据与正在进行的治疗支持信息结合起来。这种表示方式能够捕捉到标准序列方法难以建模的变量和时间之间的关系。在多个评估范围内,基于图的方法与强基线(包括循环模型、变换器和基于树的集成模型)表现相当。虽然像GRU这样的序列模型在较长时间范围内具有更高的区分能力,但它们往往校准不准确,这可能限制了其在临床环境中的可靠性。相比之下,所提出的图模型通过明确的生理关系提供了强大的校准能力和结构化可解释性,同时保持了竞争性的预测性能。这突出了预测精度与可靠性之间的权衡,在临床环境中尤为重要。一个关键发现是模型能够检测到补偿性不稳定性,即由于升压药等持续干预措施,生理测量数据可能看起来是稳定的。这使得能够更好地区分真正的稳定状态和由干预措施支持的状态。总体而言,结合生理结构和治疗背景可以提高模型在数据集变化下的鲁棒性,并在不同临床环境中提供更一致的风险估计。未来的工作将把这个框架扩展到其他数据类型,包括非结构化的电子健康记录(EHR数据),并通过与SHAP等成熟方法的比较进一步评估模型的可解释性。CRediT作者贡献声明Jeethu Joseph:概念化、方法论、软件开发、正式分析、初稿撰写。M.V. Judy:监督、验证、修订与编辑。在论文准备过程中使用生成式AI和AI辅助技术的情况在准备这项工作时,作者使用了ChatGPT和Gemini等生成式AI工具进行英语编辑辅助。使用这些工具后,作者根据需要对内容进行了审查和编辑,并对发表文章的内容负全责。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号