从“给出概率”到“知道何时不该自动判断”
临床分诊的难点不只在预测准确率，还在于漏诊代价、数据漂移和模型置信度是否可靠。
脓毒症进展迅速，越早识别越有利于开展后续评估与干预。但ICU数据存在缺失、类别不平衡和时间分布变化，单一风险分数并不能说明模型在当前患者上是否可靠。项目因此将概率校准、保形预测和成本感知转介组合成一条安全分诊链路。
以时间切分检验真实世界漂移
训练、校准、同分布测试和时间外测试相互独立，避免用测试数据反向选择阈值。
系统从逐小时ICU记录构建锚点样本，使用前向填充保留患者轨迹，并在标准化后处理剩余缺失值。年龄与性别用于描述、分层或校准，模型主体使用27项常规临床特征预测未来6小时风险。
四层安全预测链路
区分预测能力、概率可信度、集合覆盖率和决策代价，每一层回答不同的临床问题。
两层隐藏层（256、128单元）从27项指标中学习未来6小时的脓毒症风险。
利用独立校准集修正概率，使输出风险更接近真实发生频率。
比较Vanilla、按性别分层的Mondrian与面向分布变化的Weighted CP，目标覆盖率设为90%。
按漏诊10、误报1、人工复核2的相对成本在校准集选择阈值，再原样应用于ID与OOD测试。
性能之外，量化“保留多少自动判断”
结果同时报告区分度、校准度、覆盖率、选择性风险和期望成本。
保留80%病例时，错误率下降49.6%
优先自动处理模型更有把握的病例，将高不确定性样本交给人工复核。
时间分布外测试下降46.7%
在时间漂移下仍体现明显的风险—覆盖率权衡，但安全性不能只凭区分度判断。
从论文方法到可操作系统
在线演示保留了训练、批量预测、单患者时序分析与直接录入三类工作流。
多入口预测
支持队列CSV、单患者时序CSV和网页表单，输出6小时风险、保形预测集合及复核建议。
可重训练模型
可上传符合27项特征规范的本地数据训练定制模型，并保留校准与转介参数。
安全优先展示
将风险概率与“不确定 / 建议复核”同时呈现，避免把模型输出误解为确定诊断。
适用边界
该系统是研究与方法演示工具，不构成临床诊断或治疗建议。保形预测的覆盖保证依赖可交换性假设；跨医院、跨设备或时间漂移均可能削弱保证，部署前必须完成本地验证、成本设定和持续监测。
项目入口
体验在线系统、阅读正式论文；介绍视频将在素材确认后补充。