ICU 中脓毒症患者的生命体征预测

脓毒症与 septic shock（脓毒性休克）是一种影响全球数百万人的危重医学状态，具有极高的死亡率。本文利用最先进的深度学习（DL）架构，引入一种多步预测系统，以预测重症监护病房（ICUs）中指示脓毒性休克进展的生命体征。我们的方法利用短窗口的历史生命体征数据来预测未来的生理状态。我们提出一种基于 DL 的生命体征预测系统，可从 6 小时既往数据预测长达 3 小时的未来生命体征。我们进一步采用 DILATE 损失函数以更好地捕捉生命体征的形状与时间动态，这对临床决策至关重要。我们使用公开可用的 eICU 协作研究数据库（eICU-CRD），比较了 N-BEATS、N-HiTS 与 Temporal Fusion Transformer（TFT）三种 DL 模型，凸显它们在重症监护环境中的预测能力。我们使用均方误差（MSE）与动态时间规整（DTW）指标评估模型性能。我们的结果表明，尽管 TFT 在捕捉整体趋势上表现优异，N-HiTS 在保留预定义范围内的短期波动上更胜一筹。本文展示了深度学习在变革 ICU 监护系统中的潜力，通过准确预测生命体征协助医护人员检测生理失稳早期迹象并预判脓毒性休克，从而可能显著改善患者照护与预后。