研究：事件图ICU死亡预测中变量表征比关系类型更关键

Mohammad Nasir Uddin 等发表论文称，事件图神经网络做 ICU 院内死亡预测时，性能关键在于变量感知表征，而非消息传递的关系类型化设计。 该研究使用 2020-2022 年数据并做外部验证。此前版本曾把总 ICU 住院时长作为输入，构成泄漏，新版本已移除。加入变量感知表征（每个节点的变量学习嵌入加逐变量归一化）后，平均单模型 AUROC 在 2020-2022 年数据上从 0.846 升至 0.896，外部验证从 0.699 升至 0.809。研究称在该模型中，表征的影响大于消息传递架构。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。