arXiv cs.LG·39 天前★ 2

面向术中急性肾损伤预测的防泄漏多模态评估框架

原文标题：A Leakage-Aware Multimodal Evaluation Framework for Early Intraoperative Acute Kidney Injury Prediction

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

研究提出 SynerT 波形时序骨干网络及两个多模态变体，用于非心脏大手术术中早期急性肾损伤风险预测。在严格防泄漏框架下基于 VitalDB 数据库评估，仅用波形信息效果不足，融合血流动力学与术前协变量的 SynerT-MM 及堆叠集成 SynerT-Stack 显著提升判别能力。校准后堆叠模型在低中阈值区间提供最强净临床获益。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 非心脏大手术术中早期急性肾损伤风险难以分层。
方法: 提出波形时序骨干 SynerT，并扩展为融合血流动力学与术前协变量的 SynerT-MM 及防泄漏堆叠集成 SynerT-Stack，严格限制仅用术中前 60 分钟信息。
结果: 2413 例可用波形病例（180 例 AKI 阳性，患病率 7.46%），SynerT-Stack 在 AUROC、AUPRC 等指标上整体最佳，校准后低中阈值净临床获益最强。
影响: 说明纯波形建模不足以早期预警，多模态融合加防泄漏评估才是临床可用的路径，对医疗 AI 产品设计有直接参考。