DRIFT: 직접적이고 재귀적인 개입 조건부 예측을 통한 ICU 생리학적 경로 예측

DRIFT: Direct-Recursive Intervention-Conditioned Forecasting of ICU Physiological Trajectories

많은 시계열 예측은 이전 관측값뿐만 아니라 예측 기간 동안 수행되는 행동에도 의존합니다. 중환자실(ICU)에서는 혈압 상승제와 같은 치료를 통해 환자의 활력 징후 및 검사 결과가 영향을 받습니다. 그러나 전체 미래 시퀀스를 한 번에 예측하는 모델은 이러한 치료 요인을 충분히 활용하지 못하며, 자기 회귀 모델은 오차를 누적시킬 수 있습니다. 본 논문에서는 직접적인 모델이 주요 예측을 수행하고, 재귀적이고 행동 조건부 모델이 제약된 수정 사항을 추가하는 하이브리드 프레임워크인 DRIFT를 소개합니다. 우리는 MIMIC-IV 데이터셋의 6,046건의 입원 기록과 eICU-CRD 데이터셋의 8,345건의 입원 기록을 사용하여 DRIFT를 평가했습니다. 8시간, 24시간 및 48시간 예측 결과에 대해 평균 절대 오차(MAE) 측면에서, DRIFT는 MIMIC-IV 데이터셋에서 행동 조건부 Temporal Fusion Transformer (TFT-action) 모델보다 평균 동맥압(MAP)의 MAE를 0.673% 감소시켰으며, eICU-CRD 데이터셋에서는 비교된 다른 모델 중에서 가장 낮은 해당 오차 값을 달성했습니다. 전반적인 정확도 향상은 미미하지만, 제공된 치료 요인 시퀀스가 변경된 기간으로 제한된 MIMIC-IV 데이터셋의 분석 결과, DRIFT는 8시간 및 24시간 시점에서 TFT-action 모델보다 더 낮은 관측-목표 MAP 오차를 달성했습니다. 치료 요인 시퀀스의 변경은 DRIFT의 MAP 오차를 TFT-action의 오차보다 0.21~0.26 mmHg 더 증가시켰으며, 이러한 예측 변화는 주로 제공된 경로가 달라진 이후에 발생했습니다. 별도의 안정성 실험에서, 평균 동맥압(MAP) 예측 성능 우위는 전체 종료점 오차, MAP 오차 또는 이 둘을 동일하게 강조하는 세 가지 공유 체크포인트 선택 규칙 하에서도 지속되었습니다.

Many time-series forecasts depend not only on prior observations but also on actions specified during the forecast period. In intensive care units (ICUs), future vital signs and laboratory values are influenced by treatments such as vasopressors. However, models that predict the full future sequence all at once make little use of these treatments, whereas autoregressive models can accumulate errors. We introduce DRIFT, a hybrid framework in which a direct model produces the primary forecast and a recursive, action-conditioned model contributes constrained corrections. We evaluate DRIFT on 6,046 admissions from MIMIC-IV and 8,345 admissions from eICU-CRD. Averaged across the 8-, 24-, and 48-hour forecast endpoints, DRIFT reduces mean absolute error for mean arterial pressure (MAP) by 0.673% relative to an action-conditioned Temporal Fusion Transformer (TFT-action) on MIMIC-IV and achieves the lowest corresponding error among the compared models on eICU-CRD. Although the overall accuracy improvement is modest, a MIMIC-IV audit restricted to windows in which the supplied treatment sequence was altered showed that DRIFT achieved lower observed-target MAP error than TFT-action at 8 and 24 hours. Treatment-sequence alteration increased DRIFT's MAP error by 0.21-0.26 mmHg more than it increased TFT-action's error, with prediction changes occurring primarily after the supplied paths diverged. In a separate robustness experiment, the MAP advantage persisted under three shared checkpoint-selection rules emphasizing overall endpoint error, MAP error, or both equally.