一个排除“检出”的预测任务
论文要回答的是：仅使用重症监护病房（ICU）入院第一天记录的信息，模型能否标记出在此后才会发生谵妄的患者。这里的谵妄指注意力和意识出现急性、波动性紊乱；作者指出它与住院时间延长、持久的认知功能下降和更高死亡率相关，而且许多诱因可以干预，因此发病前标记才有意义。
队列设计使这个问题成为真正的预测任务，而不是检出任务。入院 24 小时内已出现谵妄或昏迷的住院记录被排除，早期死亡和非首次 ICU 入院也被排除。标签依据病历中记录的 CAM-ICU 特征，按正常、谵妄、昏迷三种状态重建；为避免标签污染，“无法评估”被当作昏迷而非阴性。重建标签与原生谵妄评估条目在 93.8% 的已评分区间上一致。最终 MIMIC-IV 队列包含 23,431 条住院记录，阳性率为 10.7%，按患者划分为训练集、验证集和测试集，其中测试集有 4,688 条记录。
为何以 AUPRC 而非 AUROC 承载结论
论文报告两个不依赖阈值的面积指标：AUROC 和 AUPRC。作者称 AUROC 在类别不平衡下较为稳定，而 AUPRC 会随阳性率变化。由于队列中只有 10.7% 为阳性，作者把 AUPRC 作为主要指标，把 AUROC 视为次要且偏乐观的信号。他们还报告了 0.5 阈值下的敏感度、特异度和 F1，以及用于校准的 Brier 分数，后者越低越好。
这一选择决定了所有结果的读法。AUPRC 的提升和 AUROC 的提升回答的是不同问题，论文的核心主张落在精确率-召回率视角上。作者用部署目的来论证这一优先级：把高风险患者筛出来以便干预，此时阳性类的精确率最重要。
结构化事件与文本如何结合
结构化流是一串时间不规则的事件，每个事件由三部分组成：一个连续数值、一个标识结构化变量的特征索引，以及以小时计的真实时间戳。每个事件通过三项相加变成一个 token：数值项、学习得到的按特征嵌入，以及由正弦和余弦项构成、频率可学习的时间编码。因此模型反映的是观测之间的真实间隔，而不是把数据对齐到固定网格。一个 Transformer 编码器处理带掩码的序列，再对有效 token 取均值，得到每条住院记录的一个汇总向量。
文本流使用入院 24 小时内书写的影像报告，按时间排序并拼接，默认由 ClinicalBERT 编码。只使用时间戳早于预测时点的报告，作者称这样不会泄漏信息。在融合模块中，结构化 token 状态作为查询，文本状态作为键和值进入多头交叉注意力，使生理轨迹能够关注描述性上下文；填充或缺失的文本 token 在 softmax 之前被掩掉。
随后一个门控按患者决定接纳多少交叉注意力表示。它是在结构化与文本汇总向量拼接上运行的两层网络，输出逐维权重；当某条记录没有文本时，文本可用性标志会把门控项置零。此时融合表示与结构化汇总完全相等，模型精确退化为纯结构化形式。门控第二层偏置初始化为 -2，使训练开始时权重约为 0.12，模型先依赖结构化流，只在文本被证明有用时才接纳它。
文本在有记录处有用，而非处处有用
与纯结构化模型以及两个在相同队列和协议下重新实现的基线（DeLLiriuM 式序列化模型和 E-PRE-DELIRIC 式预测器）相比，完整模型与纯结构化模型在 AUROC 上统计上无法区分。作者报告，在 AUPRC 上 DeliMF 明显领先。与序列化基线的对比更鲜明：该模型把结构化记录转成提示词并丢弃时间顺序，而 DeliMF 相对它的 AUROC 提升超过 8 个百分点，p 约等于 0。作者据此认为，结构化流更适合原生时间建模，而不是语言模型式框架；他们同时提醒，已发表的 DeLLiriuM 外部 AUROC 0.824 来自不同队列和标签定义，不能直接与本研究比较。
单用文本是较弱的预测器，作者称这并不意外，因为影像报告是间接信号，且只覆盖部分队列。文本模态只有在与结构化流融合时才有价值，替代它则不行。测试集分为 2,599 条（55.4%）在预测窗口内有影像报告，以及 2,089 条没有；有文本子组的阳性率更高，为 12.1% 对 9.0%。作者报告 AUPRC 增益集中在有文本和老年子组，而在没有文本时性能与纯结构化模型持平。
去掉任一组件都会损失 AUPRC
消融研究固定其他组件，每次替换一个设计选择，使用三个随机种子和相同的两阶段训练方案。去掉文本分支后，DeliMF 回到纯结构化形式，并交回它获得的 AUPRC，损失约 2.5 个百分点，p 约等于 0.06。若改为去掉结构化分支，则只剩文本模型，其 AUROC 下降约 20 个百分点，作者据此认为两个模态不可互换。
把门控交叉注意力换成简单拼接，损失接近 2 个 AUROC 点，p < 0.001，晚期融合也不更好。作者把这视为真实风险而非细微偏好：朴素融合时，弱模态可能把性能拖到纯结构化模型之下，而门控正是为避免这种失败而设计。若向融合模块输入池化的文本向量而非 token 级交叉注意力，损失约 2 个 AUPRC 点，说明轨迹与描述性上下文之间的细粒度交互有可测量的贡献。
骨干替换的影响更小。把时间 Transformer 换成双向 GRU，损失略多于 1 个 AUROC 点，AUPRC 基本不变，作者称这一差距很小且不显著。把 ClinicalBERT 换成 Qwen2.5-1.5B，全队列性能不变，有文本子组的 AUROC 略有上升。
单中心证据，且只覆盖一类叙述
作者明确指出，相对纯结构化模型的全队列 AUROC 提升很小且不显著，并称这是预期之内而非令人失望：44.6% 的患者没有文本，而可用文本是影像报告，本身就是间接信号。按他们的说法，文本提供的是有文本人群上显著的 AUPRC 提升，以及通过门控在其余人群上的稳健性。
三项限制界定了这些主张。影像报告只是临床叙述的一部分，整合护理记录或主诉被列为自然的下一步。评估仅限于单中心 MIMIC-IV 队列，缺少外部验证。研究没有测试对错误或被操纵文本的稳健性，作者指出语言模型已知对此类输入较为脆弱。作者补充说，这些限制都不影响在固定队列和协议内所做的受控比较。
真正与决策相关的划分是文本有无
论文最有用的结论是一个情景划分，而不是单一的头条数字。对于有早期影像报告的住院记录，通过门控交叉注意力融合文本，能改善阳性类预测的精确率-召回率视角，案例研究也追踪了 DeliMF 相对纯结构化模型找回的谵妄病例。对于没有文本的记录，门控关闭，模型精确等于纯结构化形式，因此加入文本分支不会带来损失。
这种不对称是应当带走的优先级：在该框架中，临床文本的价值取决于文本是否存在，以及指标是否为重度不平衡下的 AUPRC，而不是全队列 AUROC 的普遍提升。作者自己的表述也指向同一方向：对于旨在筛出高风险患者以便干预的部署，阳性类的精确率-召回率最重要，而这正是 DeliMF 相对纯结构化模型改善之处。
本文引用的文献
DeliMF: Gated Cross-Attention Fusion of Structured Time Series and Clinical Text for Early Intensive Care Delirium Prediction
在包含 23,431 条住院记录、阳性率 10.7% 的仅新发事件 MIMIC-IV 队列上，DeliMF 在 AUROC 上与纯结构化模型持平，但提升了 AUPRC，增益集中在携带影像报告的 55.4% 测试记录中，且对没有文本的记录没有损失。