NECA：面向多时间范围 ICU 病情恶化预测的邻近患者事件曲线增强

ICU 器官功能障碍事件的早期预测有助于及时开展临床监测和干预，但由于测量不规则、临床变量异质性强，以及需要跨多个未来时间范围进行风险预测，基于早期 ICU 记录估计短期器官特异性风险仍然具有挑战性。现有监督模型通常将每位患者视为彼此独立的样本，并未显式利用相似历史患者已观测到的事件发生时间。我们提出邻近患者事件曲线增强（Neighbor Event-Curve Augmentation，NECA），这是一种与模型无关的方法：该方法检索训练集内早期时间窗口特征相似的患者，并将这些患者随后发生器官功能障碍事件的起始时间转换为 6 小时、12 小时、24 小时和 42 小时上的累积事件曲线特征。随后，这些特征与原始患者表示进行拼接，并由标准下游预测器加以利用。在 PhysioNet 2012 和包含 4,000 次住院记录的 MIMIC-IV 子集中，NECA 在四项器官功能障碍事件预测任务和七种监督学习器上均提升了平均 PR-AUC 和 ROC-AUC。最大增益出现在神经功能障碍事件上：在 PhysioNet 2012 中，该任务的平均 PR-AUC 从 0.461 提升至 0.557。消融实验表明，具有临床意义的检索结果和特定时间范围的邻近患者风险是大部分性能提升的主要来源，而完整的累积曲线则提供了依赖于具体任务的时间上下文。这些结果表明，相似患者的事件发生时间可以作为一种结构化时间风险信号，用于 ICU 器官功能障碍事件预测。本文源代码将在接收后公开发布。