背景：
在重症监护病房（ICU）中，患者病情变化迅速，及时准确地预测短期死亡风险至关重要。传统评分系统，如简化急性生理评分（SAPS）和急性生理与慢性健康评估（APACHE），依赖于入院后前24小时内采集的静态变量，未能反映患者不断演变的临床状态。这些系统缺乏实时适应性、可解释性和广泛适用性。随着高频电子病历（EMR）数据的日益普及，机器学习（ML）方法已成为建模复杂时间模式、辅助动态临床决策的重要工具。然而，现有模型普遍存在无法有效处理不规则采样和缺失值的问题，且多数缺乏跨机构的严格外部验证。
研究目的：
本研究旨在构建一个可实时更新、具有可解释性且具备更强泛化能力的风险预测模型，能够基于不规则的纵向EMR数据，持续动态地评估ICU患者的死亡风险，优于传统静态评分系统的表现。
方法：
我们基于MIMIC-IV（重症监护医学信息数据库）与eICU合作研究数据库（eICU-CRD）中的176,344次ICU住院记录，开发了一种时间感知的双向注意力机制长短期记忆网络（TBAL）模型。该模型融合了动态变量，包括生命体征、实验室检查结果与用药信息，并以小时为单位进行更新，实现静态与动态死亡风险的双重评估。通过外部交叉验证与亚组敏感性分析评估模型的稳健性与公平性，模型性能通过ROC曲线下面积（AUROC）、精确-召回曲线下面积（AUPRC）、准确率与F1分数进行评价。模型可解释性通过集成梯度方法突出关键预测因子。
结果：
在静态的12小时至1天死亡预测任务中，TBAL模型在MIMIC-IV与eICU-CRD数据集中分别取得了95.9（95% CI: 94.2-97.5）与93.3（95% CI: 91.5-95.3）的AUROC，以及48.5与21.6的AUPRC。准确率与F1分数分别为94.1与46.7（MIMIC-IV）以及92.2与28.1（eICU-CRD）。在动态预测任务中，AUROC分别为93.6（95% CI: 93.2-93.9）与91.9（95% CI: 91.6-92.1），AUPRC为41.3与50。模型在阳性病例中保持较高召回率（MIMIC-IV为82.6%，eICU-CRD为79.1%）。跨数据库验证显示AUROC分别为81.3与76.1，证实了其泛化能力。亚组分析显示模型在不同年龄、性别和疾病严重程度群体中表现稳定，关键预测因子包括乳酸水平、升压药使用与格拉斯哥昏迷评分。
结论：
TBAL模型为ICU患者提供了一种稳健、可解释且具备良好泛化能力的动态实时死亡风险预测方案。其对不规则时间序列的适应能力以及每小时更新预测的特性，使其成为一款有前景的临床决策支持工具。未来的工作应进一步在前瞻性临床试验中验证其有效性，并探索其在实际ICU工作流程中的整合应用，以提升患者预后。
一、先行研究
-
传统方法：ICU中广泛使用的传统评分系统，如SAPS（Simplified Acute Physiology Score）和APACHE（Acute Physiology and Chronic Health Evaluation），用于评估疾病严重程度和预测死亡风险。
-
机器学习方法兴起：近年来，ML方法（如梯度提升机、CNN、LSTM）在ICU死亡预测方面显示出优于传统评分系统的性能，具备处理大规模、高维、异质性医疗数据的能力 。
二、先行研究的缺点
-
静态性：传统评分系统和许多ML模型主要基于入院前24小时的静态数据，未能反映患者病情的动态变化 。
-
特征处理方式粗糙：大量ML模型依赖手工构造特征或固定时间窗口汇总，难以捕捉细粒度的时间变化趋势与生理状态演变。
-
时间序列建模能力不足：现有方法难以有效处理EMR数据中存在的时间不规则性和缺失值问题，大多假设数据为规则采样，需依赖插补，可能引入误差。
-
泛化性差：大多数模型仅在特定数据集上训练和验证，缺乏多中心外部验证，临床应用的稳健性和广泛适用性不足。
三、选题原因
-
临床现实需求：ICU患者病情变化快，死亡风险在24小时内波动明显，传统方法难以满足“实时、连续、个体化”的风险评估需求。
-
数据资源可得性增强：随着高频EMR系统的发展，纵向动态数据变得更加丰富，为实现动态预测提供了数据基础。
-
现有模型缺口：缺乏能够适应EMR时间不规则性、连续建模、具备良好泛化能力的实时预测工具，存在明显研究空白与应用价值。
四、本研究的创新点
-
时间感知+双向注意力机制LSTM框架（TBAL）：采用专门设计的深度学习结构，可同时捕捉时间间隔信息与变量之间的动态依赖关系。
-
支持不规则、纵向数据的实时建模：突破了传统模型对固定时间窗与规则采样的依赖，能动态反映病情变化。
-
解释性设计：结合注意力机制和集成梯度方法，提供可解释的预测结果，便于临床医生理解和信任。
-
跨中心验证：在MIMIC-IV和eICU-CRD等多中心数据集上进行建模与验证，增强模型的泛化能力和临床可推广性。
数据来源
本研究使用两个公开电子病历数据库：MIMIC-IV 和 eICU-CRD，均包含 ICU 患者的纵向、不规则临床数据（如生命体征、化验结果、用药与液体出入量）。
MIMIC-IV 收录了2008–2019年在波士顿贝斯以色列女执事医疗中心 ICU 或急诊就诊患者的记录，共提取 73,181 次 ICU 住院（50,920 名患者），以 “stay_id” 标识。
eICU-CRD 包含 2014–2015 年美国 200 家 ICU 单位的记录，提取 200,859 次住院（139,367 名患者），以 “patientunitstayid” 标识。
我们以 ICU 住院为分析单位，排除住院时间少于 12 小时或超过 30 天者，以及年龄小于 18 岁或大于 80 岁者。最终纳入 MIMIC-IV 数据 58,323 条，eICU-CRD 数据 118,021 条。图 1 展示了样本筛选流程。
为统一两个数据库中的临床变量定义，我们采用了两个权威映射工具：eicu-code（用于 eICU-CRD）与 mimic-code（用于 MIMIC-IV），对变量与编码进行统一，确保临床概念一致性与数据可比性 。
研究数据包括患者人口统计信息、病史、化验结果、生命体征、用药、尿量及机械通气状态。除人口学信息外，其他均为纵向、不规则时间序列数据。为处理这类数据，我们参考了 EMR-LIP 框架，结合临床专家意见构建变量词典，定义每个变量的数据类型、聚合方法与缺失值填补策略（详见附录表 S5 与 S6）。聚合与填补方式依据变量特性设计，更符合临床实践。相较于直接用 0 占位以便模型自动学习缺失模式的方式，该方法更具可解释性。
为统一动态变量的时间轴，我们将时间线按小时离散，从 ICU 入院起至出院止。各变量按每小时重采样，若在 [ti−0.5, ti+0.5] 内存在多个观测值，则根据变量词典采用如中位数（数值型）或众数（类别型）等方法聚合；若无观测，则标记为缺失。
我们引入了掩码矩阵 mt,d 表示变量 xd 在时间 ti 是否被观测，mt,d=1 表示有值，mt,d=0 表示缺失。为保留重采样后的时间间隔信息，另构建时间间隔向量 δt，记录每个变量自上一次观测以来的时间差（详见附录）。
缺失值填补按变量类型与缺失位置采用不同策略：
-
对于首次观测缺失，使用前向填补（LOCF）；
-
若整个住院期间无观测，则用训练集中的中位数或众数填补；
-
其他缺失值，数值型采用线性插值，类别型设为“缺失”一类；
-
若某时刻 ti 所有变量均缺失，则删除该时间点。
本研究旨在建立一个用于 ICU 患者院内死亡预测的动态连续风险评估模型，任务包括固定时间点触发的静态预测与持续更新的动态预测，两者主要区别在于预测时间窗是否随时间推移而更新。
在静态任务中，我们以 ICU 入院后第12小时为起点，预测从该时间点起的不同时间范围内的死亡风险（如12小时至1日、12小时至7日等）及 ICU 住院超过2天的风险。动态任务则在每小时预测未来24小时内的死亡可能性。
基础模型为 LSTM，具备处理时间序列的能力。为进一步优化性能，我们提出了 TBAL 模型（时间感知双向注意力LSTM），在 LSTM 基础上引入两大关键机制：
-
双向LSTM 捕捉前向与后向的时间依赖；
-
时间感知注意力机制 为不同时间点的特征动态赋权，强化对关键信息的关注。
TBAL 可处理多变量时间序列数据，提供小时级实时预测，兼顾精度与模型复杂度。在模型训练时，我们以 ICU 住院为样本单位，但按患者分组划分训练集、验证集与测试集（7:2:1），以避免同一患者的多次住院记录造成数据泄漏。
为提升模型泛化能力，我们识别了 MIMIC-IV 与 eICU-CRD 两数据库中定义一致的34个动态变量，并在各自数据库中分别训练与测试静态和动态任务，同时进行交叉测试。
模型未采用网格搜索调参，而是设定较大的模型容量（如 LSTM 隐藏单元为512），并结合 L2 正则化与早停机制防止过拟合。TBAL 模型参数量为 727,640，推理时占用内存约 2.79MB，可在普通 CPU 上运行，实测推理速度为每秒 35 次，具备临床应用中的实时预测能力。
针对标签不平衡问题，静态任务中采用批次平衡采样策略，确保每轮梯度更新中正负样本数量相当。动态任务则通过在交叉熵损失中引入类别权重因子进行平衡，权重按类别比例的倒数归一化设定，提升模型对少数类的敏感性。
为解决深度学习模型“黑箱”特性带来的可解释性问题，我们采用了集成梯度法（Integrated Gradients, IG）。IG 是一种广泛认可的特征归因方法，能够量化每个输入特征对模型预测结果的贡献。其基本原理是：计算从一个基线输入到实际输入这一路径上，模型输出相对于各输入特征的梯度，并对这些梯度进行积分。该方法能以系统性的方式估算特征的重要性，体现每个特征在预测结果中的“增量效应”。
与其他归因方法不同，IG 满足完备性（completeness）和敏感性（sensitivity）等关键数学性质，使其成为理解模型预测机制的一种稳健选择。通过引入 IG，我们旨在识别和解释驱动模型决策的关键特征，实现输入特征与预测结果之间的透明关联。
具体而言，对于输入xx 和模型FF，集成梯度 IG 定义如下：
IGi(x)=(xi−xi′)×∫01∂F(x′+α(x−x′))∂xidα
其中，x′x’ 为基线输入，alphaα表示从基线到实际输入的路径。在实际操作中，该积分通过数值方法近
我们采用多种评估指标对模型性能进行评估，包括受试者工作特征曲线下面积（AUROC）、精确-召回曲线下面积（AUPRC）、准确率、召回率、精确率和F1 分数。同时，我们在不同亚组中（按性别、年龄和种族划分）进行了广泛的敏感性分析。
对于动态预测任务，我们还评估了模型在不同时间点的表现。
其中，TP 表示真正例，TN 表示真负例，FP 表示假正例，FN 表示假负例。所有评估指标的 95% 置信区间（CI）均通过“1000次自助法（bootstrap）”抽样估计获得。
我们共纳入来自两个数据库的 176,344 条 ICU 住院记录，其中 MIMIC-IV 数据库58,323 条，eICU-CRD 数据库118,021 条。表1展示了以 ICU 住院为单位的患者基线特征。总体院内死亡率为 8.1%，其中 MIMIC-IV 为 9.6%，eICU-CRD 为 7.3%。
在 ICU 入院后第12小时触发的静态任务中（如12小时至1日、2日、4日、7日死亡率预测，12小时后院内死亡，ICU住院超过2天等），TBAL 模型性能均优于基线 LSTM 模型。
以 12 小时至 1 日死亡预测为例，TBAL 的 AUROC 在 MIMIC-IV 中达到 95.9（95% CI: 94.2–97.5），在 eICU-CRD 中为 93.3（95% CI: 91.5–95.3）。更多详细性能见表2。
我们还以每 4 小时为间隔分析模型性能在 ICU 住院过程中的变化。结果表明，模型性能随时间推移逐渐提升：ICU 入住初期 AUROC 较低，出院时 TBAL 在 MIMIC-IV 上 AUROC 达98.9（95% CI: 98.6–99.2），AUPRC 达92.1（95% CI: 90.6–93.7）；在 eICU-CRD 上 AUROC 为95.4（95% CI: 95.0–95.9），AUPRC 为71.3（95% CI: 69.3–73.8）。
尽管在 AUPRC 指标上存在一定差异，两库总体性能一致，这可能与两个数据库中变量集的差异有关。动态任务在各时间点的性能对比如图2所示。
跨数据库泛化性能
在交叉验证实验中，将模型从 MIMIC-IV 应用于 eICU-CRD 的 AUROC 为 0.813，反向转移时 AUROC 为 0.761。动态任务中，两库模型性能相近，AUROC 分别为 0.90 与 0.87。在跨库动态泛化测试中，从 MIMIC-IV 转移至 eICU-CRD 的 AUROC 为 0.85，反之为 0.83。相关结果见图3。
亚组分析结果
我们对不同性别、年龄和种族群体在静态与动态任务中的模型性能进行了分析（见表3）。
-
年龄：模型在
-
性别：男女之间表现较为平衡；
-
种族：尽管不同种族间存在细微差异，但 AUROC 与 AUPRC 的 95% 置信区间存在重叠，差异不具统计学显著性。总体来看，模型在各亚群体间具有良好的适应性。
特征重要性解释
我们采用集成梯度（IG）方法，在静态与动态任务中评估模型对每位患者的特征归因。图4展示了特征重要性排序。
-
在静态任务中，MIMIC-IV 数据库中重要特征包括：血尿素氮、尿量、呼吸频率、乳酸、体温；eICU-CRD 中则为：乳酸、格拉斯哥昏迷评分、血尿素氮、呼吸频率、尿量，两个数据库前20个关键变量有高度重合，主要为生理和实验室指标。
-
在动态任务中，MIMIC-IV 中关键特征包括：SpO₂、收缩压、乳酸、舒张压；eICU-CRD 中为：格拉斯哥昏迷评分、收缩压、乳酸、碱剩余、尿量。相比静态任务，动态任务中“升压药使用（如去甲肾上腺素或加压素）”重要性更高，表明其对动态死亡风险预测的显著关联。
END
学术交流文章，不做为临床依据，特此声明。发布者：Chu，转转请注明出处：https://www.icu.cn/?p=17937
微信扫一扫 
