基于BayeStack多层级可解释性时序知识提取用于优化脓毒症（Sepsis）分类的方法研究

《Machine Learning and Knowledge Extraction》：Temporal Knowledge Extraction Through BayeStack with Multi-Level Explainability for Optimal Sepsis Classification

　　

摘要：脓毒症（Sepsis）是一种导致全球显著死亡率的危及生命的疾病，需快速诊断与干预。尽管近期机器学习（Machine Learning, ML）进展支持了临床决策，现有脓毒症分类方法仍存在若干局限：对疾病进展的时序建模不足、缺乏系统性超参数优化、可解释性方法碎片化且未充分满足临床多利益相关者需求、以及在敏感度–特异度权衡上难以兼顾。这些局限限制了从复杂时序临床数据中有效提取知识，并阻碍可操作的决策制定。为解决上述挑战，研究人员提出BayeStack——一种整合贝叶斯优化驱动的集成学习与分层可解释性的时序知识提取框架，用于优化脓毒症分类。该框架通过多窗口时序聚合捕捉脓毒症进展，通过AUROC（Area Under the Receiver Operating Characteristic curve）最大化的超参数空间探索实现最优分类，并通过三级可解释性框架（全局特征重要性、群体水平偏依赖分析Partial Dependence Profile, PDP及患者特异性贡献度分析）实现全面的临床知识提取。评估结果表明，BayeStack取得AUROC=0.99，平衡敏感度与特异度均为0.97，显著优于所有基线方法（p<0.001）。消融实验验证了时序聚合与数据平衡对性能提升的贡献。强Spearman秩相关系数（ρ=0.856）验证了特征排序收敛性及集成策略的有效性。该可解释性框架揭示了互补的模型行为，并提取了基于证据的临床阈值以支持优先级治疗监测，从而实现稳健的临床决策支持。这一传统机器学习模型的首阶段系统化集成框架，为后续深度学习进阶建立了基线性能与可解释性标准。

论文解读：基于BayeStack多层级可解释性时序知识提取用于优化脓毒症分类的方法研究

脓毒症（Sepsis）是由宿主对感染反应失调引起的危及生命的器官功能障碍，依据Sepsis-3定义需序贯器官衰竭评分（Sequential Organ Failure Assessment, SOFA）增加≥2分确诊。早期识别与干预是降低死亡率的关键，但Sepsis-3标准本身不具备预测能力。尽管机器学习（Machine Learning, ML）在脓毒症早期检测中展现出潜力，现有方法普遍存在四大缺陷：一是对生理指标随时间的动态演变（时序模式）建模不足；二是依赖网格搜索或手动调参，未对高维超参数空间进行系统优化；三是可解释性手段单一（仅SHAP/LIME或仅全局特征重要度），无法满足临床医生、管理者等多方对全局-群体-个体多层次解释的需求；四是类别不平衡导致敏感度与特异度失衡。为此，研究人员设计并验证了BayeStack框架，在PhysioNet 2019数据集上实现并发（零预测时域）脓毒症分类，兼顾高性能与多层可解释性，该文发表于《Machine Learning and Knowledge Extraction》。

研究人员采用的主要关键技术方法如下：使用PhysioNet/Computing in Cardiology Challenge 2019公开数据集（40,336例ICU患者，40项临床特征含生命体征与实验室指标）。数据预处理采用48小时内有界双向填补（Temporal Bounded Bidirectional Imputation）、Z-score标准化及独热编码（One-Hot Encoding），训练集应用SMOTE-ENN（Synthetic Minority Over-sampling Technique–Edited Nearest Neighbors）处理类别不平衡。特征工程通过多窗口（1h、2h、4h、8h、24h、48h）统计聚合（均值、中位数、标准差）提取时序知识。基模型选定为随机森林（Random Forest, RF）与极端梯度提升（XGBoost, XGB），以AUROC为目标函数，通过序贯模型基贝叶斯优化（Sequential Model-Based Optimization, SMBO）配合高斯过程代理模型与期望改进（Expected Improvement, EI）采集函数搜索最优超参数。Stacking集成以Stratified K-Fold生成元特征，逻辑回归（Logistic Regression）作为元学习器融合预测概率。可解释性由三级管道实现：Level 1置换特征重要度（Permutation Feature Importance）；Level 2偏依赖图（Partial Dependence Plot, PDP）及RF与XGB间Pearson/Spearman相关性量化模型一致性；Level 3个体层面分解分析（Break-down Analysis）与贡献热图。性能通过敏感性（Sensitivity）、特异性（Specificity）、AUROC、F1值及95% Bootstrap置信区间评估，辅以消融实验验证各模块贡献。

4.1. Baseline Characteristic Results

通过多窗口时序聚合可见，1–4h窗口捕捉急性生理反应（心率HR、体温Temp波动），8–24h反映系统性响应（血压趋势、血常规），48h窗口肌酐等肾功能指标凸显。Q-Q图显示生命体征近似正态，部分实验室指标（纤维蛋白原Fibrinogen、乳酸Lactate）呈偏态，树模型可鲁棒处理。特征重要度雷达图表明白细胞计数（White Blood Cell count, WBC）与Fibrinogen贡献最高，短时窗突出生命体征，长时窗突出实验室趋势。

4.2. Framework Evaluation and Model Interpretability Results

RF单独AUROC较低且敏感度偏低，XGBoost敏感度较高但特异度略降。BayeStack融合二者，AUROC达0.99（95%CI），敏感度0.97、特异度0.97，较最佳基模型提升4.21%（p<0.001），证明贝叶斯优化与Stacking集成有效平衡判别能力与误报率。

4.3. Ablation Studies Analysis

单时间点相比完整48h多窗口聚合，AUROC提升12.5%，证实捕捉疾病进展轨迹至关重要。仅用SMOTE或ENN时AUROC分别为0.93与0.92，SMOTE-ENN联合达0.99，AUROC相对提升15.1%，说明合成过采样配合噪声清洗能最优化处理类别不平衡。

4.4. Comprehensive Model Interpretability Analysis

群体水平PDP分析表明ICU住院时长（ICULOS>48–50h）、WBC异常（<4×10³/μL或>12–15×10³/μL）、呼吸频率Resp>20–24次/分、氧饱和度O₂Sat<92–94%、乳酸Lactate>2–4mmol/L为关键风险阈值，与Sepsis-3一致。RF表现出分布式特征利用（平均PDP区间0.085，涉及19个特征），适合生命体征主导的广谱筛查；XGBoost呈集中式利用（平均PDP区间0.038，核心5个实验室标志物如Fibrinogen、AST），适合确诊导向分析。两者特征排序Spearman ρ=0.856，证明集成合理性。个体案例分析（Sample 1000）显示RF依靠Temp、HR、Resp分散贡献，XGBoost依赖Fibrinogen、Magnesium、AST交互作用，互为补充增强鲁棒性。

4.5. Computational Complexity and Scalability Analysis

BayeStack整体计算复杂度约O(n·d2)，40,336样本训练耗时3.92分钟，单样本推断5.83ms，峰值内存102.93MB。线性扩展测试表明样本量翻倍训练时间仅增2.1倍，预估8万样本约8.3分钟，满足临床实时刷新与定期重训练需求。与PhysioNet 2019挑战赛基线对比，BayeStack在并发分类任务上性能优越，虽任务定义（零预测时域vs早期预警）不同，仍佐证框架有效性。

4.6. Methodological Design Trade-Offs and Research Positioning

研究人员指出选用时序聚合+传统ML而非RNN/LSTM/Transformer系深度学习系因优先保障临床可解释性与低算力需求，且作为两阶段研究的第一阶段为后续深度学习提供可解释基线。并发分类面向疑似脓毒症患者即时确诊辅助，区别于早期预警预测。

结论（翻译）

本研究提出BayeStack——一种聚焦可解释性的脓毒症分类框架，通过传统机器学习与时序知识提取及多层级可解释性建立基线性能。该框架通过多窗口时序聚合捕捉急性生理反应与渐进性临床改变，利用以AUROC最大化为目标的贝叶斯优化探索高维超参数空间，并通过三级可解释性框架（全局特征重要性、群体水平偏依赖分析及个体患者分解解释）结合量化RF分布式特征利用与XGBoost集中式生物标志物关注的互补模型行为分析，实现平衡的预测性能（AUROC: 0.99，敏感度0.97，特异度0.97）。在PhysioNet 2019数据集上的对比评估表明本方法较基线方法有实质提升。多层级可解释性分析确定ICULOS、HR、O₂Sat、Resp等生命体征及WBC、Fibrinogen、Magnesium、天门冬氨酸氨基转移酶（Aspartate Aminotransferase, AST）等为脓毒症关键预测因子。消融实验与计算复杂度分析证实了BayeStack生成可靠AI辅助医疗决策支持系统的有效性。未来将通过多中心验证、引入序列模型捕捉时序依赖及多模态数据扩展至早期预测与预后评估，本研究建立的具可解释性基准将为后续深度学习扩展提供评估基础，推动平衡预测精度与多层临床可解释性的透明可信机器学习系统在脓毒症诊疗中的应用以改善患者结局。