可解释混合深度学习模型如何预测脓毒症患者的ICU延长住院？

4天阈值界定了预测目标

模型预测的结局不是死亡，也不是脓毒症发生，而是ICU延长住院，定义为ICU住院时间超过4天。作者选择这一界值，是因为MIMIC-IV开发队列的ICU住院时间呈明显右偏分布，中位数为3.15天，四分位距为1.90至6.80天；4天略高于中位数、低于第75百分位，既能覆盖住院时间分布的上半部分，又能保留足够的事件数用于训练。论文指出，既往重症研究使用过6天或8天等其他界值，因此4天标签是针对本队列设定的，并非通用定义。

这一选择影响后续每一个数字的解读。预测“超过4天”的模型与预测“超过8天”的模型回答的是不同问题，在没有新证据的情况下，其敏感度和精确度不能直接套用到更长的阈值上。作者将同一预设阈值原样应用于两个外部队列，并称这样做消除了阈值调优带来的偏倚。

17项常规特征承载预测信号

模型使用患者入ICU后24小时内采集的17项变量，分为SOFA相关指标和基线临床特征两类。SOFA相关指标包括血管活性药物剂量、机械通气、24小时尿量、血清总胆红素、血小板计数、血清肌酐、格拉斯哥昏迷评分以及PaO2/FiO2比值。临床特征包括年龄、性别、体质指数、收缩压、舒张压、平均动脉压、乳酸和心房颤动。

作者表示未采用数据驱动的特征筛选，所有模型和所有队列都使用同一套预设变量，以保证比较一致并避免选择偏倚。这也是论文的实用性主张：输入是入院时即可获得的常规结构化表格数据，而非波形信号或纵向时间序列，因此模型面向早期使用，而不是对已结束的住院过程做事后分析。

门控融合结合两种表格建模方式

FT-TabNet把两种已有的表格数据架构结合起来。TabNet提供特征注意力式的稀疏选择，让模型聚焦于有信息量的SOFA相关变量；FT-Transformer提供基于Transformer的特征间交互学习。自适应门控融合步骤计算两种表示的加权组合，权重随患者不同而变化，因此模型可以根据输入在全局交互建模与稀疏特征选择之间倾斜。

融合后的表示经过一个全连接预测头，由sigmoid函数输出0到1之间的延长住院概率。超参数只在嵌套交叉验证框架的内层循环中调优，早停依据的是从训练数据中划出的验证子集，因此留出的外层测试折未参与调优。作者把这种融合而非任一单独架构视为关键方法学贡献。

区分能力在三个队列中保持

开发与内部验证使用MIMIC-IV中4391例脓毒症相关ICU入住记录，其中40.6%为延长住院。嵌套交叉验证得到外层循环平均AUROC为0.848（95% CI 0.832至0.856），AUPRC为0.780，在Youden阈值下阳性预测值为0.691、敏感度为0.783、特异度为0.752。作者还报告阴性预测值高达0.863，并将其解读为能可靠识别低风险患者。

外部验证使用忠北国立大学医院的728例入住记录（其中53.6%为延长住院）和忠南国立大学医院的162例（其中38.3%为延长住院）。AUROC分别为0.823和0.781，AUPRC分别为0.844和0.841，作者称两个外部队列的表现相当。样本更小的CNUH队列AUROC下降，是最能说明可迁移性良好但并不均匀的信号；作者将这种波动归因于机构差异和样本量较小。

混合模型优于所对比的基线模型

对比模型包括FT-Transformer、带跳跃连接token的FT-Transformer、TabNet、多层感知机、树模型，以及由逻辑回归、随机森林和梯度提升组成的元集成。元集成AUROC达到0.808，但敏感度和AUPRC低于混合模型。带跳跃连接token的FT-Transformer AUROC为0.803、AUPRC为0.730，标准FT-Transformer为0.779和0.677。

这些差距是论文用来证明在这一表格任务上结合两种表示优于任一单独表示的证据。作者还认为该模型优于单独使用SOFA，并将其解读为常规变量之间的非线性交互携带了传统严重度评分未能完全捕捉的预后信息。这一比较是作者对其结果的解释，而不是一项针对SOFA决策的独立临床试验。

SHAP指向器官功能障碍而非虚假模式

SHAP值把每位患者的预测风险归因到各个特征，三个队列的汇总图一致地把机械通气、格拉斯哥昏迷评分、PaO2/FiO2比值、胆红素和血管活性药物剂量列为贡献最大的特征。方向符合临床直觉：器官支持越多、神经功能越低、呼吸功能越差，预测风险越高。

作者把这种在地理上不同队列间的一致性视为机制有效性的支持，认为模型学到的是生物学上合理的关系，而非虚假的统计关联。这是基于特征排序和方向的解释，并不是关于延长住院成因的因果论断。SHAP输出也使模型具备患者层面的可解释性，作者据此认为临床医生可以查看单个风险估计，而不必接受一个黑箱评分。

净获益出现在0.10至0.40风险区间

决策曲线分析将模型的净获益与“全部干预”和“不干预”两种策略比较。在内部验证和两个外部队列中，混合模型在约0.10至0.40的阈值概率范围内净获益更高。作者解释，在这一场景下中低阈值才是临床有意义的区间，因为即使预测风险不高，加强监测、早期多学科介入或提前规划资源等行动也可能合理。

内部验证与CNUH的净获益曲线在该区间内重叠，CBNUH的获益略低但仍优于参照策略。这是论文中最具决策相关性的结果：模型的价值被定位为早期风险分层，以及有选择地识别可能需要延长ICU照护的患者，而不是作为启动某项具体干预的独立触发条件。

仅纳入存活患者限制了临床适用范围

分析只纳入在ICU存活出院的患者，作者称这是为了刻画ICU资源的延长使用。他们承认死亡是可能截断住院时间的竞争性病程，因此这一限制可能影响结果对全体ICU人群的推广。外部队列来自两家韩国医院，作者指出机构诊疗模式和数据分布的差异可能要求在部署前进行本地重校准。

作者还列出实际障碍：在电子健康记录中实时提取和标准化数据、临床医生对模型输出的信任，以及避免警报疲劳的工作流设计。他们呼吁在常规临床使用前开展前瞻性评估和系统级整合。这些限制与性能结论并列而非取代它们，也界定了0.848、0.823和0.781这三个AUROC应当被延伸到何处。

4天标签与融合权重是关注重点

论文的独特贡献不是一个新的临床评分，而是一个具体组合：预设的4天结局、17项入ICU 24小时内的常规特征、TabNet与FT-Transformer表示的患者特异性门控融合，以及用SHAP揭示驱动因素。对判断这是否重要的读者而言，最关键的比较是混合模型与单架构基线在同一特征上的差距，最重要的边界是仅纳入存活患者、仅两家医院的外部验证。

实际解读是：该模型被定位为脓毒症患者延长ICU资源使用的早期筛查辅助工具，在预测风险落入0.10至0.40决策区间时最有价值，也适合用阴性预测识别低风险患者。这一定位能否在前瞻性场景、非存活人群或不同住院时间阈值下成立，仍超出当前证据能回答的范围。

本文引用的文献