【微动态】何昆仑教授团队突破医学预测瓶颈，实现危重症精准预警

近日，解放军总医院医学创新研究部何昆仑教授团队在国际顶级期刊《The Lancet Digital Health》（《柳叶刀·数字健康》，影响因子24.1）发表题为《因果深度学习用于实时检测心脏手术相关急性肾损伤：在7个时间序列队列中的推导和验证》，其构建的因果深度学习模型REACT实现心脏手术相关急性肾损伤的精准实时检测，标志着医疗数据分析迈入因果机制解析新阶段。

针对现有医疗预测模型普遍存在的三大瓶颈——临床落地难、预测精度受限、决策过程不透明，何昆仑教授团队创新提出“双阶段因果深度学习”架构。该架构通过将因果发现模块深度集成至神经网络系统，运用反事实推理与模拟RCT的方式，首次实现了多变量医疗时序数据中潜在因果关系的自动识别与可视化。在技术实现层面，REACT模型采用了独特的设计思路：动态时序数据通过专门的时间序列分析模块提取特征，静态患者信息通过特征嵌入层进行处理。通过引入因果正则化损失函数，模型将预测误差与因果一致性损失相结合，利用梯度反向传播同步优化预测性能与因果发现能力，显著提升了模型的可解释性。

在7个独立队列的大规模临床验证中，REACT模型展现出突破性性能：平均AUROC达0.93，显著优于Transformer等主流架构，更能提前16.8小时精准预警急性肾损伤，为临床干预预留关键“黄金时间窗”。其出色的迁移能力更使其成功应用于脓毒症评估、术后感染预警等多个危重症场景，展现广泛应用前景。

针对临床落地难题，团队提出“复杂归于训练，简便留给临床”理念，开发因果蒸馏技术。通过双层优化框架将1328项临床指标提炼为6项核心因果变量，这项创新技术采用迭代式变量筛选机制，在确保预测精度达到临床应用标准的前提下，显著提升了模型的实用价值。研究将复杂的高维建模与因果分析置于离线训练阶段完成，实际临床应用时仅需输入6项常规检验指标即可实时获得预测结果，实现“即输即用”的轻量化运行。

据悉，何昆仑教授团队本年度已在《Nature Biomedical Engineering》《Nature Communications》《Advances Science》等顶级期刊发表多项智能医疗关键技术突破性成果，形成了从基础理论创新到临床转化应用的完整研究体系。本研究由钟琴博士后、程宇笑博士、李宗任副研究员、王东进教授为共同第一作者，何昆仑教授为通讯作者，清华大学索津莉教授为共同通讯作者。该成果推动医疗诊断向“数据驱动+机制理解”转型，彰显我国智能医疗基础研究的创新实力。

主办 | 宣传处融媒体中心

来源 | 医学创新研究部

刊期 | 第 2975期

总编：熊　刚

主编：史艳菊

编审：张　密　李笑一

编辑：刘超英