PGP-Clinical-TimeKAN：临床轨迹的先验联合概率预测

arXiv:2609.05488v1 公告类型：新 摘要：临床恶化是通过耦合的、部分观察到的轨迹而不是单一的诊断标签来展开的。我们介绍 PGP-Clinical-TimeKAN，这是一种用于多变量生理学联合概率预测的轨迹优先框架。它结合了缺失感知时间编码器、软器官系统先验、患者特定关系、非线性 Kolmogorov-Arnold 消息和低阶多元 Student-t 头。我们评估了由 6,882 名患者和 54,694 个窗口组成的冷冻 MIMIC-IV 队列的 24 小时历史记录和 6 小时预测。在 5 个种子和 13 个模型中，PGP-Clinical-TimeKAN 获得了第二低的标准化 MAE (0.37727 +/- 0.00029) 和最低的 RMSE (0.52656 +/- 0.00034)。相对于确定性 TimeKAN，它使 MAE 降低了 0.52%。对于概率预测，其边际 NLL 为 0.66380，CRPS 为 0.27301。对于名义 50%、80% 和 95% 区间，经验覆盖率为 0.533、0.831 和 0.958。删除关系结构会导致最大的消融损失。增加协方差秩可以提高联合似然性，但对点精度影响不大。轨迹衍生的风险评分仍然弱于专用的 GRU-D 分类器（AUROC 0.603 与 0.650），这限制了目前的临床主张。因此，关节轨迹预测提供了可检查的中间任务，但仅靠准确的生理学预测并不能确保校准事件检测器。