山东大学学报(理学版)

作者：余雷,孙懿,华金铭,李腊全

单位：1.重庆医科大学第二附属医院急救部, 重庆 400010;2.重庆邮电大学国际学院, 重庆 400065;3.重庆邮电大学理学院, 重庆 400065)Symbol`@@

关键词：脓毒症,死亡风险预测,深度神经网络,移除再训练,相关性分数逐层传播,

基金：国家自然科学基金资助项目(61902046,61901074,62076044);中国博士后科学基金资助项目(2021M693771);重庆市自然科学基金资助项目(CSTB2022NSCQ-MSX0145)

提出基于变量选择网络(variable selection networks, VSN)和门控残差网络(gated residual networks, GRN)相结合的深度神经网络(deep neural network, DNN)模型,用于预测重症监护室(intensive care unit, ICU)脓毒症患者30 d内的死亡风险,并对模型的可解释性进行深入分析。在重症医学数据库中利用随机森林算法筛选43个重要特征,利用本文提出的模型评估死亡风险,并采用移除再训练(remove and retrain, ROAR)方法选出一种最佳的可解释性方法对结果进行解释。测试结果显示,本文提出的模型的预测性能优于其他机器学习模型,受试者工作特征曲线面积(area under receiver operating characteristic curve, AUROC)为0.967。利用ROAR方法分析中,相关性分数逐层传播(layer-wise relevance propagation, LRP)方法的AUROC从0.967下降到0.828。利用LRP方法对本文提出的模型进行可解释性分析后,确定查尔森合并症评分为最重要的特征,同时器官衰竭评分、年龄、呼吸频率也对重症监护室脓毒症患者的死亡风险有较大影响。

来源：2026年第1期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2026年第1期