不确定性感知的ICU死亡率分层新方法

一项基于合成数据的预印本研究提出了一种不确定性感知的ICU死亡率分层模型。该模型整合了FT-Transformer、XGBoost和LightGBM等14种分类器，并采用贝叶斯优化进行调参，在SOFA校准的90,000例合成队列（死亡率29.2%）中进行了训练。与传统评分相比，新模型不仅提高了预测性能，还能为每个患者提供预测置信区间，并评估了模型在不同人口统计子组中的公平性。研究者指出，ICU常用生物标志物（如白蛋白、肌酐、BUN、乳酸、GCS）与阿尔茨海默病血液标志物（p-tau217、NfL）存在共同混杂，这可能影响模型的临床可解释性。该研究为预印本，尚未经过同行评审。