利用多变量时间序列聚类发现可泛化的创伤性脑损伤表型

创伤性脑损伤 (TBI) 因其固有的异质性而呈现出广泛的临床表现和结果，导致恢复轨迹多样且治疗反应各异。虽然许多研究深入探讨了特定患者群体的 TBI 表型分析，但识别能在不同环境和人群中一致泛化的 TBI 表型仍然是一个关键的研究空白。我们的研究通过采用多变量时间序列聚类来揭示 TBI 的动态复杂性，从而解决了这一问题。利用一种基于自监督学习的方法对含有缺失值的多变量时间序列数据进行聚类 (SLAC-Time)，我们分析了以研究为中心的 TRACK-TBI 数据集和真实世界的 MIMIC-IV 数据集。值得注意的是，SLAC-Time 的最优超参数和理想聚类数量在这些数据集中保持一致，突显了 SLAC-Time 在异质数据集上的稳定性。我们的分析揭示了三种可泛化的 TBI 表型（$\alpha$、$\beta$ 和 $\gamma$），每种表型在急诊科就诊期间表现出独特的非时间特征，并在 ICU 住院期间表现出独特的时间特征谱。具体而言，表型 $\alpha$ 代表临床表现高度一致的轻度 TBI。相比之下，表型 $\beta$ 代表具有多样化临床表现的重度 TBI，而表型 $\gamma$ 代表在严重程度和临床多样性方面为中度的 TBI 概况。年龄是 TBI 结果的重要决定因素，老年队列的死亡率较高。重要的是，虽然某些特征随年龄变化，但与每种表型相关的 TBI 表现的核心特征在不同人群中保持一致。