CT-HEG：用于 ICU 院内死亡率预测的双向时间戳属性事件图 - 一项架构消融研究

arXiv:2608.02663v1 公告类型：新 摘要：准确的 ICU 死亡率预测需要对跨异构实体类型的不规则临床观察进行建模。现有的序列模型处理不规则采样，但忽略类型化关系结构；现有的图模型假设固定间隔输入。我们引入了连续时间异构 EHR 图 (CT-HEG) 模式，并评估哪些架构选择可推动预测性能。 CT-HEG 将每个 ICU 住宿编码为类型化、带时间戳的图表，具有三种节点类型（visit、vital、lab_event）和 2D 边缘属性（t_hours/48、value_norm），编码时间和值，无需插补。我们将 CT-HEG 实例化为 CHIRP-Net，这是一个四层异构 GATv2Conv 网络，在 MIMIC-IV v3.1（31,142 次 ICU 入住，LOS>=48 小时，13.4% 死亡率）上进行评估，具有五个种子和自举置信区间，针对逻辑回归、mTAND、Transformer 和 GRU-D，以及消融研究。 CHIRP-Net 实现了 5 种子平均 AUROC 0.8449+/-0.0071 (AUPRC 0.4958+/-0.0209)；整体达到了 AUROC 0.8618（95% CI：0.8485-0.8745）。删除反向边缘会断开观察节点与访问读数的连接，从而将 AUROC 减少 0.1968+/-0.0073。注重时间的边缘特征贡献了 0.0247+/-0.0093 AUROC。将异构边缘类型折叠为一种关系（参数减少 7 倍）在所有种子上都优于完整模型。校准后 ECE 为 0.0307。探讨了时间和人口亚组分析，但未在此报告，有待后续工作。双向连接对于模型使用其输入是必要的，并且在经过验证的温度缩放后，CT-HEG 得到了相当好的校准。这些结果支持针对不规则 EHR 数据的 CT-HEG，而在任何稳健性声明之前，外部验证、预先指定的时间评估和人口统计公平性审计仍然是必要的。代码：https://github.com/nasiruddinstudents-ctrl/chirp-net-mimic-iv。