arXiv cs.AI· Xiaolei Lu, Shamim Nemati·· 12 小时前AI 评分22
面向呼吸支持的患者响应感知动态建模
Learning response-aware patient dynamics for respiratory support
AI 导读
研究提出一种响应感知的患者动态模型，在自回归状态更新中显式建模生理变化，将预测的生理变化分解为状态依赖的基线动态与呼吸支持相关偏差，并以室内空气作为分解参考。在两个独立机构的 ICU 队列上，该模型整体轨迹预测与患者动态基线相当，但在生理状态变化时改进更一致。
正文 · AI 翻译
摘要：呼吸支持可以影响危重患者的短期生理轨迹，但接受相同干预的患者可能遵循不同的生理轨迹。临床患者动态模型通常根据近期生理状态和记录的干预来预测未来状态，而生理变化主要通过预测的未来状态来体现。我们提出了一种响应感知的患者动态模型，在自回归状态更新过程中显式表示生理变化。该模型将预测的生理变化分解为状态依赖的基线动态和与呼吸支持相关的偏差，并以室内空气作为分解的参考。我们对该参考锚定公式进行了形式化分析。一条响应通路编码预测的生理变化，并利用它在预测时域内更新潜在患者状态。在两个独立机构的 ICU 队列中，所提出的模型在整体轨迹预测上与患者动态基线模型相当，而在生理状态发生变化时改进更为一致。
| 评论： | 审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2609.32782 [cs.AI] |
| （或 arXiv:2609.32782v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.32782 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Lu Xiaolei [查看电子邮件]
[v1]
2026年9月26日星期六 16:56:52 UTC（673 KB）
[v2]
2026年10月27日星期二 16:42:43 UTC（673 KB）
来源：arXiv cs.AI · arxiv.org