MIMIC-Sepsis: 用于 ICU 中 Sepsis 轨迹建模与学习的精选基准
机器学习
2025-10-29 v1
摘要
败血症是 ICU 中导致死亡的主要原因，但现有研究往往依赖过时的数据集、不可复现的预处理管道以及有限的临床干预覆盖范围。我们引入 MIMIC-Sepsis，这是一个源自 MIMIC-IV 数据库的精选队列和基准框架，旨在支持对败血症轨迹进行可复现的建模。我们的队列包括 35,239 名 ICU 患者，包含时间对齐的临床变量和标准化的治疗数据，包括血管紧张素、输液、机械通气和抗生素等。我们描述了一个基于 Sepsis-3 标准、结构化插补策略以及治疗包含-释放的透明预处理管道，并随同聚焦于早期死亡预测、住院时长估计和震休发生分类的基准任务。实证结果表明，纳入治疗变量显著提升了模型性能，尤其是对 Transformer 类架构而言效果更为显著。MIMIC-Sepsis 为在危重病研究中评估预测性和序列模型提供了一个稳健的平台。
引用
@article{arxiv.2510.24500,
title = {MIMIC-Sepsis: A Curated Benchmark for Modeling and Learning from Sepsis Trajectories in the ICU},
author = {Yong Huang and Zhongqi Yang and Amir Rahmani},
journal= {arXiv preprint arXiv:2510.24500},
year = {2025}
}