钢绞线一米多重 重大突破，重庆大学附属中心医院科研成果被国际学术期刊刊发

近日钢绞线一米多重，重庆大学附属中心医院（重庆市急救医疗中心）马渝教授团队、陆军军医大学二附属医院肖晶晶团队，以及北京协和医学院医学信息研究所李姣团队在国际学术期刊《npj Digital Medicine》（中国科学院1区Top期刊，影响因子15.1）发表题为：Unlocking the potential of real-time ICU mortality prediction: redefining risk assessment with continuous data recovery（解锁实时ICU死亡率预测的潜力：通过连续数据恢复重新定义风险评估）的研究论文。马渝教授和肖晶晶教授为文章通讯作者，重庆大学附属中心医院博士研究生解璞光为文章一作者。

研究团队近年来持续致力于人工智能技术在急危重症医学领域的创新与转化研究，积探索智能算法在临床预警、决策支持及医疗质量提升中的应用。本项研究是团队在该方向上取得的重要进展，旨在解决重症监护病房（ICU）真实场景下数据缺失与预测时难以兼顾的临床痛点。

在ICU中，及时准确地预测患者短期死亡风险，对优化医疗资源分配和指临床干预具有重要意义。然而，由于实验室检测延迟、检查频率限制以及临床工作流程等因素，实时获取完整的患者数据为困难，ICU数据普遍存在大量缺失和不规则采集的问题，致传统时序预测模型或简单插补方法难以实现可靠且及时的预测。

为解决这一难题，研究团队基于生成式人工智能技术，提出了一种端到端的实时预测模型RealMIP。该模型能够有捕捉临床数据中的复杂时间动态与多变量依赖关系，在新测量数据产生时，自动利用患者全部历史信息智能填补缺失值，并实时更新死亡风险预测，确保评估始终基于新、的信息。这一整体架构使模型在数据不完整、采集不规则的现实场景下，仍能实现、实时的死亡风险评估。

RealMIP的核心创新与贡献包括：

1.系统应对ICU实时数据缺失问题，提出基于生成模型的缺失值填补与端到端训练策略。在多中心验证中，该模型的AUC达到0.932–0.968，预应力钢绞线预测能显著优于现有主流评分系统和预测模型。

据一财经报道，腾讯客服在回答记者关于 3 月 1 日起个人收款码是否可以继续使用时也表示，根据财付通公司与监管部门的沟通和对新规理解，3 月 1 日之后，个人收款二维码仍可继续使用，其中部分具备明显经营行为的用户需按照规定升为经营收款码，明显经营行为的标准监管部门将会在近期公布，且平台会在用户升前保留一段时间作为过渡期。如符合升标准，微信收款助手将下发消息通知，未收到通知的用户个人收款码不会受到影响。

近日，工信部再次发文拟针对移动智能终端的应用软件预置行为进行规范。《关于进一步规范移动智能终端应用软件预置行为的通告（征求意见稿）》（下称“《征求意见稿》”）中明确要求，移动智能终端生产企业应确保除基本功能软件外的预置应用软件均可卸载，并提供安全便捷的卸载方式供用户选择。同时，实现同一基本功能的预置应用软件至多有一个可设置为不可卸载。

2.提升常用临床工具的预测能力。与传统插补方法相比，经RealMIP填补的数据能够显著提早期预警评分（如NEWS和MEWS）在实时风险监测中的表现。

3.具备识别能力与低误报负担。可在患者死亡前3小时识别82–95%的危病例，且每100名患者日均误报警次数低于400次。

4.增强临床医生对AI决策的信任。RealMIP支持实时填补、实时预测与可视化解释，帮助医生理解模型理过程，提升了AI辅助诊疗的可行与临床接受度。

该研究通过融合生成模型、端到端架构与可解释人工智能技术，在数据缺失和不规则采集的ICU环境中实现了精度、可解释的实时死亡风险预测，为ICU临床决策提供了重要的方法论支持与实用工具。

此项研究成果标志着团队在智慧医疗研究领域取得重要进展，也为人工智能赋能危重症患者诊疗提供了具有临床实用价值的新范式。（资讯）

原标题：科研创新|医院科研成果被国际学术期刊《npj Digital Medicine》刊发钢绞线一米多重