新上线今天0 投票
CT-HEG：面向ICU院内死亡预测的双向时间戳事件图——架构消融研究
重症监护病房（ICU）的死亡率预测是临床决策支持的关键任务。传统方法要么依赖序列模型处理不规则采样，却忽视了实体间的类型化关系；要么采用图模型，却假设输入时间间隔固定。为突破这一局限，研究者提出了连续时间异质电子健康记录图（CT-HEG）模式，并系统评估了不同架构选择对预测性能的影响。相关论文已提交至arXiv（编号2608.02663）。
核心思路：将ICU停留建模为时间戳图
CT-HEG将一次ICU停留编码为带类型和时间戳的图，包含三种节点（访视、生命体征、实验室事件）和二维边属性（时间差/48小时、归一化值），无需数据插补即可保留时序与数值信息。这种设计既捕捉了不规则采样的动态性，又保留了临床实体间的类型化关联。
实验设置与性能表现
研究团队基于MIMIC-IV v3.1数据集（包含31,142次ICU停留，停留时间≥48小时，死亡率13.4%）进行了验证。他们实现了CHIRP-Net——一个四层异质GATv2Conv网络，并与逻辑回归、mTAND、Transformer和GRU-D等基线模型对比。结果显示，CHIRP-Net的5次随机种子平均AUROC达到0.8449±0.0071，AUPRC为0.4958±0.0209；集成模型AUROC提升至0.8618（95%置信区间：0.8485-0.8745），校准后ECE为0.0307。
消融研究揭示关键架构因素
消融实验揭示了几个重要发现：
- 双向连接不可或缺：移除反向边会导致观测节点与访视读出断开，AUROC骤降0.1968±0.0073，表明模型几乎无法利用输入信息。
- 时间注意力边特征贡献有限：该特征仅带来0.0247±0.0093的AUROC提升，但仍是有效增益。
- 简化关系反而更优：将异质边类型合并为单一关系（参数量减少7倍）后，模型在所有种子上的表现均优于完整模型，这提示过度复杂的边类型可能引入噪声。
局限与展望
当前研究仍处于初步阶段，外部验证、预设时间评估和人口统计学公平性审计尚未完成，因此不能宣称模型的稳健性。时间与亚组分析留待后续工作。尽管如此，CT-HEG为不规则EHR数据建模提供了新思路，其双向图结构的设计原则值得借鉴。未来若能通过多中心验证，有望在临床决策支持系统中发挥实际价值。
