A Two-Stage Time-Aware Transformer for Short-Horizon AECOPD Risk Prediction

慢性阻塞性肺疾病，通常被称为 COPD，是一种导致呼吸困难的长期疾病。对于许多患有重症 COPD 的人来说，病情可能会在短短几小时或几天内突然恶化。这种突然的恶化被称为急性加重。这是一个危险的事件，经常导致患者住院，甚至可能致命。医生面临的挑战在于，这些事件发生得如此之快，以至于等待预约检查或血液检测往往已经太晚了。当患者感到身体不适并寻求帮助时，进行轻松干预的窗口期可能已经关闭。

为了及早发现这些危险的转折，研究人员开始研究家用呼吸机产生的数据。这些机器是在患者于家中睡眠或休息时帮助他们呼吸的设备。与偶尔进行的医生诊室就诊不同，这些机器每天都会记录患者的呼吸情况。它们捕捉关于向肺部注入空气的压力以及空气流动速度的连续信息流。研究人员一直试图回答的问题是，这种持续的数据流是否能在危机发生前向我们发出预警，如果是这样，我们还有多少时间可以采取行动。

一个研究小组开发了一种读取这些数据的新方法，不再仅仅关注简单的汇总数据，而是观察来自呼吸机的原始、未经处理的信号。该系统不再试图将复杂的呼吸模式压缩成几个预先选定的数值，而是观察整整一周的压力和流量实际波形。他们建立了一个两步走的流程来理解这些信息。首先，该系统作为一个筛选器，决定患者在不久的将来是否存在发生严重事件的高风险。如果系统将一名患者标记为高风险，第二步就会启动，以估算距离该事件可能发生的具体天数。

研究人员在 2-2023 年至 2-2025 年间使用家用呼吸机的 85 名患者数据上测试了这种方法。他们特别关注了做出预测前最后七天的呼吸数据。在第一阶段，该模型成功识别出了随后会出现严重急性加重的患者。在针对从未见过的患者进行测试时，该系统能够以极高的准确度正确识别出高风险群体。这比以往依赖于手工制作的数据摘要的方法有了显著改进，因为旧方法往往会错过危机发生前发生的细微且快速的变化。

一旦确定患者处于高风险状态，模型的第二阶段就会接管，以回答最关键的问题：还要多久？该系统会估算距离事件发生的剩余天数。在测试中，该模型的平均误差仅为一天。这意味着，如果模型预测三天后会发生事件，那么该事件很可能就在那个时间点附近发生。研究人员发现，当预测时间少于三天时触发警报，能提供最佳的平衡点：它能捕捉到几乎所有即将发生严重发作的患者，同时将误报控制在可控范围内。

这项研究强调了使用来自呼吸机的原始连续数据而非等待定期医疗检测的具体优势。因为机器每秒钟记录五次呼吸，它捕捉到了患者肺部运作的精细细节，包括他们如何触发机器以及空气如何进出。研究人员发现，保留这些细节至关重要。当他们尝试通过移除时间元素或将其压缩为稀疏的数据点来简化数据时，系统的事件预测能力显著下降。信号的连续性是理解恶化速度的关键。

这项工作表明，将家用呼吸机转变为主动预警系统是可能的。通过分析一周的原始呼吸数据，该系统不仅可以告诉医生患者正处于困境中，还能告知情况有多紧急。研究人员指出，这可以为临床医生提供大约三天的提前量，以便加强治疗、安排门诊就诊或准备转院。虽然这项研究是在一个相对较小的患者群体中进行的，并且需要进一步测试以确认其在不同人群中的可靠性，但其结果指向了一个未来，即技术能以更高的精度和速度帮助在家管理慢性疾病。其目标不是取代医生的判断，而是为患者肺部内部正在发生的情况提供一个更清晰、更早期的图景。