项目背景
从单一终点预测，转向面向具体并发症的早期风险分层。
急性心肌梗死住院早期可能迅速出现心律失常、肺水肿、心肌破裂等异质性并发症。传统模型往往只使用入院时的静态变量，或将多种并发症合并成一个终点，难以支持针对具体结局的监测和干预。
MI-GNN将患者自身的临床轨迹与患者之间的相似关系结合起来：短期卷积分支捕捉局部变化，长期GRU分支学习72小时趋势，患者相似图再把个体信息放到群体上下文中，最终分别预测11种并发症和1项死亡结局。
数据概况与预测目标
公开心肌梗死并发症数据集，共1,700名患者。
输入覆盖人口学信息、病史、实验室指标、心电图表现、治疗记录及住院前三天的动态观测。缺失值使用训练数据中位数补全，连续变量进行Z-score标准化，并从72小时观测中提取日间差值、均值和变化斜率。
MI-GNN建模路线
多尺度时序编码、跨模态融合与患者图消息传递。
训练期中位数补值、Z-score标准化，并构造72小时差值、均值与趋势特征。
动态门控CNN提取短期局部波动；单层GRU学习较长期的变化依赖。
让短期表示与长期趋势交互，再与静态入院特征融合为患者表示。
以余弦相似度连接患者，并根据局部密度在5至25个邻居间动态调节连接范围。
通过TransformerConv聚合相似患者信息，使用Sigmoid输出12个互不排斥的风险概率。
模型性能
论文报告结果与项目本地复现结果分开呈现。
论文报告结果
论文采用10次独立运行、每次5折分层交叉验证，训练上限300轮、批量大小64。12项结局的平均AUC为0.7330，其中死亡结局AUC达到0.8828。
死亡结局的区分能力最突出；但稀有并发症受到严重类别不平衡影响，平均F1仍较低，因此不能只依据AUC判断临床可用性。
项目本地复现结果
下表来自项目保存的患者级复现预测结果，12项结局平均AUC为0.7204。结果与论文实验存在差异，应作为本地实现验证，不替代论文正式报告。
| 预测结局 | 本地复现AUC | 本地复现召回率 | 结果说明 |
|---|---|---|---|
| 院内死亡结局 | 0.851 | 0.745 | 复现结果最高 |
| 心肌破裂 | 0.809 | 0.963 | 高召回，需关注假阳性 |
| 室性心动过速 | 0.764 | 0.238 | 排序能力较好，阈值表现有限 |
| 三度房室传导阻滞 | 0.762 | 0.965 | 高召回，需关注假阳性 |
| 心室颤动 | 0.759 | 0.972 | 高召回，需关注假阳性 |
| 肺水肿 | 0.759 | 0.962 | 高召回，需关注假阳性 |
| 心房颤动 | 0.746 | 0.494 | 中等区分能力 |
| 再发心肌梗死 | 0.684 | 0.950 | 类别不平衡影响明显 |
| 梗死后心绞痛 | 0.665 | 0.459 | 仍需进一步优化 |
| 慢性心力衰竭 | 0.641 | 0.787 | 仍需进一步优化 |
| Dressler综合征 | 0.623 | 0.200 | 稀有结局预测困难 |
| 室上性心动过速 | 0.582 | 0.150 | 接近随机区分水平 |
应用价值与边界
面向科研验证和辅助风险分层，不替代临床诊断。
结局特异性预警
不再把所有并发症合并为单一终点，可针对心律失常、肺水肿、心肌破裂等结局分别提示风险。
利用72小时变化
除入院基线外，模型还能读取早期治疗过程中逐日变化的临床信号和趋势。
群体上下文学习
患者相似图让模型参考临床特征接近患者的结局轨迹，为个体表示补充群体信息。
使用限制
研究基于单中心公开数据，部分结局阳性样本很少，尚需多中心外部验证。当前模型只使用结构化电子病历数据，未纳入原始心电波形和影像；预测结果只能作为科研和辅助评估依据。
进一步了解与使用
进入MI-GNN模型网页，或查看研究原文和中文案例演示。