基于集成策略的 ARDS 死亡风险预测系统

ARDS 死亡风险预测 · 操作说明

基于集成策略的

ARDS 死亡风险预测系统

Ensemble-Based Mortality Risk Prediction System for ARDS

发明专利 · 已公开 · 实质审查中

录入患者临床指标，一次完成 8 个异质模型的分层集成预测，

输出死亡风险概率、动态注意力权重、SHAP 可解释性分析与临床决策支持建议。

系统总览

四步上手：录入数据，一次预测，读懂结果

录入患者临床指标

20 项指标按 Z0 至 Z4 临床分组排布；也可用「稳定 / 中危 / 危重」三个预置样例整套填入

点击「开始集成预测」

8 个异质模型并行预测 → 动态注意力加权 → 融合决策，约 3 秒完成

读取综合死亡风险

仪表盘概率 + 低/中/高危分级 + 高风险预警 + 两个融合概率

读取解释与决策建议

SHAP 局部解释 + 全局特征重要性 + AI 临床决策支持建议

系统主界面（左：数据录入 → 右上：风险仪表盘 → 中：模型并行预测与 SHAP 解释 → 下：性能对比）

使用前准备：

① 打开系统链接（局域网地址或最新公网链接，链接获取方式见第 9 页）；② 备齐患者动脉血气（PaO₂、FiO₂）、生命体征与实验室检查值；③ 首次使用建议先点三个预置样例体验完整流程。

第 1 步 · 共 4 步

录入「患者临床指标」，先用预置样例熟悉流程

患者数据录入区：按 Z0 基本信息与基础疾病 / Z1 生命体征与意识排泄 / Z2 实验室 / Z3 呼吸与氧合 / Z4 支持与干预五组排布，顶部三个预置样例整套填入

字段	单位	录入要点
年龄 / 性别	岁 / 0-1	高龄为独立危险因素；男=1、女=0
PaO₂ / FiO₂	mmHg / %	氧合指数 P/F 自动计算（PaO₂÷FiO₂×100）
呼吸频率 / 心率 / 平均动脉压	次/分、mmHg	反映呼吸窘迫与循环状态
GCS 评分 / 体温	分 / ℃	GCS 取 3 至 15 的整数
血小板 / 肌酐 / 胆红素 / 白细胞	见字段标注	异常值在 SHAP 解释中显示 ↑↓ 标记
乳酸 / 尿量	mmol/L、mL/h	乳酸↑、少尿提示组织低灌注
通气 / 血管活性药 / 合并症	0-1	1=是，0=否（机械通气、糖尿病等）

样例与派生：

点「稳定患者 / 中危患者 / 危重患者」整套填入整套数值，可再手动修改；P/F 无需手算，填完 PaO₂ 与 FiO₂ 自动计算。

第 2 步 · 共 4 步

点击「开始集成预测」：8 个异质模型并行预测与智能融合

第一层并行预测：每个模型输出死亡概率（条形），右侧为该患者上的动态注意力权重

基础模型	学习原理	在集成中的作用
逻辑回归 LR	线性模型	可解释基线
支持向量机 SVM	核方法	刻画高维决策边界
K 近邻 KNN	实例学习	捕捉局部相似性
朴素贝叶斯 NB	概率统计	提供独立性视角
随机森林 RF	Bagging 集成	提升稳定性
XGBoost / LightGBM	梯度提升树	捕捉复杂非线性关系
神经网络 MLP	非线性拟合	强表达能力

第二层融合：

各模型输出经 5 折交叉验证构成元特征矩阵，由逻辑回归元学习器加权融合为最终概率；动态注意力权重 = 亚组历史适配度 + 预测一致率，同一模型对不同患者的贡献不同。

计算约 3 秒，期间按钮显示加载动画；结果一次呈现，无需二次操作。

第 3 步 · 共 4 步

读风险结果：一个概率定等级，两个融合概率互为参照

预测结果区：融合决策概率、动态注意力融合概率与高风险预警（示例患者 0.914，高危，预警 = 是）

风险分级：概率 → 等级

风险概率	分级
< 30%	低危
30% 至 60%	中危
> 60%	高危

两个概率怎么读

指标	含义
融合决策概率	第二层元学习器输出，为最终结果
注意力融合概率	按样本级注意力加权，作交叉参照
高风险预警	风险 > 60% 时显示「⚠ 是」

两个概率接近属正常；差距明显说明各模型意见分歧较大，建议结合 SHAP 解释复核主要贡献因素。仪表盘指针颜色与风险等级同步，高危为红色。

第 4 步 · 共 4 步

读 SHAP 解释：哪些指标把这位患者的风险推高或拉低

左侧为 SHAP 局部解释（本患者），右侧为全局解释（全体测试样本平均 |SHAP|，P/F、乳酸、白细胞居前三）

条形怎么读

■ 红色（向右）= 推高本患者风险；■ 蓝色（向左）= 降低风险。

■ 指标名后为实测值，↑/↓ 表示高于/低于参考范围；悬停可查看临床注释。

■ 数值为 SHAP 贡献值，绝对值越大影响越强。

局部与全局各回答什么

局部解释（本页）：针对当前患者展示各指标如何影响其风险，随每次预测实时生成。

全局解释（「全局解释」标签页）：全部测试样本的平均贡献排名，用于了解模型整体依赖哪些指标。

SHAP（SHapley Additive exPlanations）基于博弈论平均边际贡献分解预测结果；|SHAP| < 0.005 的近零项不展示，避免噪声干扰。

临床决策支持

AI 决策支持建议：按风险三级给出处置方向

决策触发：综合死亡风险 91.4%（高危），预测完成后自动生成对应级别建议

什么时候出现

点击「开始集成预测」完成计算后自动显示；

每次重新预测都会按最新风险等级刷新建议内容。

三级建议内容

低风险（<30%）：维持常规监护，按计划复评氧合指数与器官功能。

中风险（30% 至 60%）：密切动态监测氧合与乳酸变化，复评机械通气参数，优化容量管理，必要时提前多学科会诊。

高风险（>60%）：立即评估肺保护性通气与俯卧位通气指征，考虑限制性液体管理，加强血流动力学监测，做好升级治疗准备。

建议文案依据 ARDS 临床诊疗规范编写，供医师参考。

建议开头会列出本患者的「主要风险贡献因素」（取自 SHAP 局部解释中推高风险的前三位指标），实现风险概率与归因的联动展示。

模型与性能

性能验证：分层集成超越最优单模型与同质集成

留出测试集 AUC 对比：分层集成 0.8239，较最优单模型 +0.0052、较同质集成 +0.0137

怎么读

AUC 表示模型区分能力，越接近 1 越好，0.5 相当于随机猜测；

橙色柱为本发明的分层集成模型，其余为对照方法；测试集 1200 例，5 折交叉验证训练。

三组对比结论

较最优单一模型

AUC +0.0052：集成综合 8 种模型意见，突破单一模型性能瓶颈。

较平均单一模型

AUC +0.0252：显著优于多数单模型的平均水平。

较同质集成

AUC +0.0137：异质模型多样性带来额外增益（对照：Bagging-LightGBM）。

8 个基础模型原理各异（线性 / 核方法 / 实例 / 概率 / Bagging / 梯度提升 / 神经网络）；集成 AUC 0.8239、准确率 76.9%。

操作细节

六个容易忽略的操作细节

　公网链接打不开怎么办？

链接会随隧道更换：打开或发送前先取最新链接（服务器上执行 cat public_url.txt，或使用 ngrok 固定链接）；ngrok 页面若出现提示，点一次 Visit Site 即可进入。

　P/F 需要自己计算吗？

不需要。填写 PaO₂ 与 FiO₂ 后系统自动计算，风险仪表盘下方实时显示氧合指数 P/F。

　需要点「计算」按钮吗？

只需点一次「开始集成预测」，约 3 秒一次性输出全部结果；修改指标后再次点击即可重新预测。

　SHAP 条形和 ↑↓ 是什么意思？

红/蓝条表示该指标推高/降低本患者的预测风险；↑/↓ 表示实测值高于/低于参考范围，鼠标悬停可看临床注释。

　如何换下一位患者？

直接点预置样例或修改输入框即可，全页 20 项输入一屏完成，无需清空或翻页；氧合指数由 PaO₂/FiO₂ 自动派生。

　数据会上传吗？

不会外传。输入数据仅用于本机服务的实时计算，不留存、不对接第三方；请勿填入真实可识别的患者信息。

结果一次呈现：风险概率 → 模型并行预测与注意力权重 → SHAP 解释 → 决策建议，全程同页完成，无需登录。

上手核对

使用核对清单与免责声明

每预测一位患者，按此顺序核对

□ 打开系统链接，确认页面正常加载

□ 选择或录入患者 20 项临床指标

□ 核对氧合指数 P/F 自动计算值

□ 点击「开始集成预测」，等待约 3 秒

□ 读取综合死亡风险与分级（低/中/高危）、高风险预警

□ 浏览 8 个模型的并行预测概率与注意力权重

□ 查看 SHAP 局部解释，核对主要风险贡献因素

□ 阅读决策建议，结合床旁评估形成最终决策

模型与依据

分层集成：第一层 8 个异质基础模型（LR / SVM / KNN / NB / RF / XGBoost / LightGBM / MLP）并行预测；

第二层逻辑回归元学习器融合（5 折交叉验证元特征），动态注意力权重 = 亚组历史适配度 + 预测一致率；

可解释性 SHAP（局部 / 全局）；性能：留出测试集 AUC 0.8239，优于最优单模型与同质集成。

免责声明

本系统为专利技术演示，全部输出（风险概率、SHAP 解释、决策建议）仅供技术交流与研究参考，不能替代医师的专业判断。

任何诊疗决策请结合患者实际情况、床旁评估与科室规范，由具备资质的医师作出。

基于集成策略的 ARDS 死亡风险预测系统 · 操作说明