icu

本文提出'警报列表一致性'指标，该指标基于Jaccard相似度并采用患者层面的自助法置信区间，用于评估九种缺失值填补策略对ICU患者脓毒症预警名单的影响。研究发现在PhysioNet/CinC 2019数据上，AUROC相近的处理流程可能产生差异显著的警报列表。

本文介绍了反事实临床审计（CCA）框架，用于评估ICU脓毒症管理的离线强化学习智能体，揭示了‘毒性模仿’——智能体复制标准指标无法检测的有害治疗模式。使用MIMIC-III数据，表明医学决策Transformer在乳酸升高时未能升级血管加压药，而因果Transformer表现安全。

本文提出了VDSS，一种用于呼吸机决策支持的人机协同多智能体框架，它利用上下文Bandit偏好学习来适应特定临床医生的调校风格。回顾性ICU轨迹重放表明，推荐的可接受性提高，交互轮次减少。

RealICU是一个事后标注的基准测试，用于评估ICU场景中的大型语言模型（LLM），涵盖四个由医生驱动的任务。实验表明，现有LLM在回忆-安全权衡和锚定偏差方面存在困难，而一种新的结构化记忆代理改善了推理能力，但未能完全消除安全故障。

本文提出了一种随机因果表征学习框架，以解决个性化医疗中的偏差-精度悖论，并证明了其在重症监护室（ICU）临床决策支持中提高了准确性和可解释性。