数据分析预印本 · 多模态临床预测模型比较研究

预测 COPD 30 天再入院：经时间泄漏审计的 MIMIC-IV 队列显示，辅助模态较结构化 EHR 未带来可检测的区分度或校准度增益

Auxiliary modalities add no detectable discrimination or calibration over structured EHR for 30-day COPD readmission: evidence from a leakage-audited MIMIC-IV cohort

一句话经时间泄漏校正与再校准，多模态融合预测 COPD 30 天再入院未优于单独结构化 EHR。

研究问题

在严格审计并纠正时间泄漏后，加入心电图、胸部 X 线片和临床笔记，能否改善结构化 EHR 对 COPD 患者 30 天全因再入院的预测？原始校准表现的差异在事后再校准后是否仍然存在？

数据与样本

研究使用 MIMIC-IV COPD 分层队列，n=1,279，训练集/验证集/测试集为 895/192/192；再入院比例富集至约 50%，自然比例为 18.1%。数据涵盖结构化 EHR、心电图、胸部 X 线片和临床笔记，涉及 MIMIC-IV、MIMIC-IV-Note、MIMIC-CXR-JPG 和 MIMIC-IV-ECG。

分析流程

1队列构建与划分：使用再入院比例富集至约 50% 的 COPD 分层队列，按 895/192/192 划分训练集、验证集和测试集，预测 30 天全因再入院。
2时间泄漏审计：检查各模态与入院记录的关联流程，纠正时间对齐问题。
3模态特征提取：使用心电图、胸部 X 线片、临床笔记及结构化 EHR 的冻结预训练编码器，并以非线性适配器探针检查单模态区分度。
4融合模型比较：将朴素拼接、标量门控融合和以 EHR 为锚点的残差融合与单模态基线及单独 EHR 参照模型比较。
5稳健性评估：采用 bootstrap 显著性检验评估模型差异，并通过缺失压力测试考察移除辅助模态后的性能。
6校准评估：比较原始校准表现，在验证集拟合 logistic 再校准后，再比较 Brier 评分及配对 bootstrap 95% CIs。

关键方法与工具

naive concatenation: 拼接多模态特征
scalar gated fusion: 进行门控多模态融合
EHR-anchored residual fusion: 以EHR为锚点融合
bootstrap: 检验差异并估计置信区间
missingness stress test: 评估辅助模态缺失影响
logistic recalibration: 再校准预测概率
non-linear adapter probe: 核查单模态区分度

设计思路

先纠正各模态的时间泄漏，再以单独 EHR 为参照比较多种融合架构，避免把时间对齐错误带来的信息优势误认为融合增益。结合非线性适配器探针、辅助模态移除压力测试与验证集再校准，分别核查单模态信息、辅助模态贡献及原始 Brier 评分差异的来源。

主要发现

审计发现并纠正 3 个时间对齐问题，分别影响临床笔记的 5-9%、胸部 X 线片的 29-43% 和 ECG 的 53-58% 患者。
校正后，除 EHR 外，单模态区分度接近随机水平（ROC-AUC 0.46-0.53），非线性适配器探针亦确认这一结果。
3 种融合架构均未显著优于单独 EHR（ROC-AUC 0.63），且压力测试中移除辅助模态反而改善融合性能。
融合模型原始 Brier 评分约为 0.24，低于单独 EHR 的 0.32，但单独 EHR 存在过度自信，校准斜率为 0.12。
验证集 logistic 再校准后，单独 EHR 的 Brier 评分为 0.239，融合模型为 0.240-0.244，所有配对 bootstrap 95% CIs 均包含零。

可借鉴之处

多模态临床预测应先逐一审计各模态与入院记录的时间关联，再比较融合效果，避免将时间泄漏误判为新增预测信息。
可借鉴本文将单模态基线、非线性探针与辅助模态移除测试结合的做法，判断问题在于模态信息不足还是融合方式。
比较预测概率质量时，可像本文一样同时报告原始与验证集再校准后的 Brier 评分，区分校准偏差与融合增益。

数据与代码

MIMIC-IV、MIMIC-IV-Note、MIMIC-CXR-JPG 和 MIMIC-IV-ECG 可由具备资质的用户通过 PhysioNet 获取，作者不得再分发；分析代码存于 Zenodo（https://doi.org/10.5281/zenodo.23096348），为受限访问，可由具备 PhysioNet 资质的用户申请获取。

局限

队列再入院比例富集至约 50%，不同于自然比例 18.1%，其校准表现不能直接视为自然比例场景下的表现。
比较基于冻结的预训练编码器，结论范围限于所评估的编码器与融合架构。

摘要（中文翻译）

背景：再入院是慢性阻塞性肺疾病（COPD）患者中常见且费用高昂的结局。已有研究提出，将结构化电子健康记录（EHR）数据与生理、影像和文本数据相结合的多模态深度学习模型用于改善预测，但在采取时间泄漏防护措施后，这种融合是否优于单独使用 EHR 数据，仍不明确。

方法：使用一个经分层、再入院比例富集至约 50% 的 MIMIC-IV COPD 患者队列（自然患病率为 18.1%；n=1,279；训练集/验证集/测试集为 895/192/192），通过 4 个冻结的预训练编码器（心电图、胸部 X 线片、临床笔记、结构化 EHR）预测 30 天全因再入院。我们审计并纠正了各模态入院关联流程中的时间泄漏，随后采用 bootstrap 显著性检验、缺失压力测试以及事后再校准前后的校准分析，将 3 种融合架构（朴素拼接、标量门控融合、以 EHR 为锚点的残差融合）与单模态基线及单独 EHR 参照模型进行比较。

结果：审计纠正了 3 个此前未被发现的时间对齐问题，临床笔记、胸部 X 线片和 ECG 分别涉及 5-9%、29-43% 和 53-58% 的患者。校正后，除 EHR 外，各模态单独使用时的区分度均接近随机水平（ROC-AUC 0.46-0.53），非线性适配器探针进一步确认了这一结果。没有任何融合架构显著优于单独 EHR 基线（ROC-AUC 0.63）；在压力测试中，移除辅助模态反而改善了融合性能，而非使其下降。3 种融合架构的原始 Brier 评分均低于单独 EHR（约 0.24 对比 0.32），但这反映了单独 EHR 探针的过度自信（校准斜率 0.12）；在验证集上拟合 logistic 再校准后，Brier 评分无法区分（单独 EHR 为 0.239；融合为 0.240-0.244；所有配对 bootstrap 95% CIs 均包含零）。

结论：在预测 COPD 30 天再入院时，单独使用结构化 EHR 数据的区分度，以及再校准后的校准度，均与更复杂的多模态融合相匹配。这些发现凸显了在多模态临床预测研究中严格审计时间泄漏的重要性，并提示未来围绕与结局的时间接近程度重新构建该任务，可能比进一步改进融合机制更有成效。

英文原文摘要

Background:: Hospital readmission is a common and costly outcome in patients with chronic obstructive pulmonary disease (COPD). Multimodal deep learning models combining structured electronic health record (EHR) data with physiological, imaging, and textual data have been proposed to improve its prediction, but whether such fusion outperforms EHR data alone, once temporal-leakage safeguards are applied, remains unclear. Methods:

Using a stratified MIMIC-IV cohort of COPD patients enriched to about 50% readmission (natural prevalence 18.1%; n=1,279; 895/192/192 training/validation/test), we predicted 30-day, all-cause readmission from four frozen, pre-trained encoders (electrocardiogram, chest radiograph, clinical notes, structured EHR). We audited and corrected temporal leakage in the admission-linkage pipeline of each modality, then compared three fusion architectures (naive concatenation, scalar gated fusion, EHR-anchored residual fusion) against unimodal baselines and an EHR-alone reference, using bootstrap significance testing, a missingness stress test, and calibration analysis with and without post-hoc recalibration. Results:

The audit corrected three previously undetected temporal-alignment issues, affecting 5-9% of patients for clinical notes, 29-43% for chest radiographs, and 53-58% for ECG. After correction, every modality except EHR showed near-chance discrimination alone (ROC-AUC 0.46-0.53), confirmed with a non-linear adapter probe. No fusion architecture significantly outperformed the EHR-alone baseline (ROC-AUC 0.63); removing auxiliary modalities improved rather than degraded fusion performance under stress testing. The raw Brier score was lower for all three fusion architectures than for EHR-alone (about 0.24 versus 0.32), but this reflected overconfidence of the EHR-alone probe (calibration slope 0.12); after logistic recalibration fitted on the validation set, Brier scores were indistinguishable (EHR-alone 0.239; fusion 0.240-0.244; all paired bootstrap 95% CIs included zero). Conclusions:

Structured EHR data alone matched the discrimination and, after recalibration, the calibration of more complex multimodal fusion for 30-day COPD readmission prediction. These findings highlight the importance of rigorous temporal-leakage auditing in multimodal clinical prediction research and suggest that reformulating this task around temporal proximity to the outcome, rather than refining the fusion mechanism further, may be more productive for future work.

摘要来自 Europe PMC。翻译与解读由模型根据摘要生成，可能有误，不构成诊疗建议；数据以原文为准，版权归原出版方所有。