多模态呼吸衰竭预测的前瞻性评估：胸片是否能提升 EHR 信号之外的表现？
图像与视频处理
2026-05-29 v2 人工智能
机器学习
摘要
及早预测呼吸衰竭对于在重症监护病房中的及时临床干预至关重要。现有的基于电子健康记录 (EHR) 的模型可以持续监测生理恶化，但可能完全捕捉到胸片 (CXR) 中反映的肺部病理学。本研究询问 CXR 信息是否能在 EHR 信号独立的基础上提高对肺部气道插管的前瞻性预测。我们开发了一个门控多模态框架，将结构化 EHR 时间序列数据与 CXR foundation-model 表示相结合。该门控模块根据患者特定的临床背景自适应控制成像特征的贡献，允许模型在信息具有信息量时选择性地依赖成像信息。我们对该框架进行了前瞻性评估，用于预测 ICU 患者在 24 小时内是否需要气管插管，并将其与一个既定的 EHR-only 模型 (Ventio)、医生在匹配临床时间点的预测以及替代多模态变体进行比较。门控多模态模型的区分度高于 EHR-only 基线，其 AUROC 分别为使用 REMEDIS 和 MedInsight CXR 表示时分别为 0.860 和 0.858，而 Ventio 为 0.752。相对于医生预测，多模态框架在保持较佳特异度的同时显著提高了灵敏度。相对于 EHR-only 模型，多模态集成提高了特异度和阳性预测值，表明 CXR 信息可以在特定患者中细化风险估计。这发现支持将成像纳入前瞻性呼吸衰竭预测的自适应多模态融合策略。
引用
@article{arxiv.2605.26255,
title = {Prospective evaluation of multimodal respiratory failure prediction: Do chest X-rays improve performance beyond EHR signals?},
author = {Xiaolei Lu and Shamim Nemati},
journal= {arXiv preprint arXiv:2605.26255},
year = {2026}
}