用于早期术中急性肾损伤预测的渗漏感知多模态评估框架

arXiv:2609.26848v1 公告类型：新 摘要：重大非心脏手术后的术后急性肾损伤 (AKI) 具有很高的发病率，但早期术中风险分层仍然很困难。在这项回顾性队列研究中，我们提出了 SynerT，一种仅波形的混合时间主干，它将因果扩张的 TCN 与扩张的循环层层次结构相结合，为 AKI 风险预测的早期术中生理轨迹进行编码。在 SynerT 的基础上，我们进一步设计了两种模型变体，通过结构化临床背景扩展主干：SynerT-MM，一种后期融合多模态扩展，集成了血流动力学负荷摘要和术前协变量；以及 SynerTStack，一种泄漏安全堆叠集成，它将 SynerT-MM 的交叉验证预测与元学习阶段的强大表格基线相结合。所有模型均在高保真围手术期数据库 VitalDB 上严格的泄漏感知框架下进行评估，预测仅限于术中前 60 分钟内可用的信息。在 2,413 个波形可用病例中（180 个 AKI 阳性；患病率为 7.46%），SynerT 远低于强结构化数据基线，表明仅波形时间建模在严格的早期约束下是不够的。 SynerTMM 通过合并血流动力学负担摘要和术前协变量恢复了区分度，并且 SynerT-Stack 在 AUROC、AUPRC 和 F1-max 方面实现了最佳整体性能。交叉拟合的 Platt 重新校准基本上纠正了两种多模态变体中的校准缺陷，决策曲线分析证实，重新校准的堆叠模型在低至中阈值范围内提供了最强的净临床效益。