基于机器学习的脓毒症实时预测模型的构建与综合可解释性分析
李剑1
张明伟2
张天逸2
1.上海交通大学医学院附属仁济医院,上海 200127;上海介入医疗器械工程技术研究中心,上海 2000932.上海介入医疗器械工程技术研究中心,上海 200093;上海理工大学 健康科学与工程学院,上海 200093
摘要：针对基于机器学习的脓毒症预测模型实时性差、可解释性不足的问题,本研究设计了一种兼具高时效性与临床可解释性的脓毒症实时预测模型.该模型由实时预测和解释模块构成:实时预测模块可快速获取无创生理指标的 3h动态特征序列,并计算均值、标准差和终点值 3 个线性参数;解释模块引入了基于树结构的Shapley加性解释法(TreeSHAP),可从单次预测和全局解释角度综合提升脓毒症实时预测模型的可解释性.结果表明,脓毒症实时预测模型的准确率、灵敏度和曲线下面积分别达到0.71(95%CI,0.69～0.73)、0.71(95%CI,0.70～0.73)和0.76(95%CI,0.75～0.77).该模型不仅能为危重症患者提供脓毒症的实时动态预警,还有助于临床医生深入理解生成的细节及模型的整体逻辑,提高模型的临床可信度,为临床决策提供支持.
关键词：脓毒症实时预测可解释性分析机器学习动态预警
分类号：R318(医用一般科学)TP181(自动化基础理论)
论文发表日期：2025-06-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 143-149 )
英文信息