1. 赛题背景与核心挑战解析每年九月的那个周末对于国内理工科研究生来说空气中都弥漫着一股特殊的紧张感。没错就是中国研究生数学建模竞赛GMCM开赛的日子。2023年的E题题目是“出血性脑卒中临床智能诊疗建模”直接把战场从抽象的数学世界拉到了生死攸关的医疗前线。这道题一出来当时我们团队的微信群就炸了——这不再是单纯的曲线拟合或者优化求解而是要我们这群“码农”和“数学控”去直面真实的、复杂的、充满不确定性的临床医学问题。这道题的核心是要求我们基于提供的患者影像、病史及治疗数据构建数学模型来辅助医生进行诊疗决策。具体来说它抛出了几个层层递进、又环环相扣的挑战第一如何从海量的CT影像和文本病历中提取出对判断病情至关重要的特征第二如何量化评估患者出血后的“血肿扩张风险”和“预后不良风险”第三也是最关键的一点如何为“是否需要进行手术治疗”以及“选择何种手术时机”这个临床决策难题提供一个量化的、可解释的推荐方案这相当于让我们扮演一个“AI实习医生”在信息不完备、时间紧迫的情况下给出有理有据的诊疗建议。其价值不言而喻好的模型或许能成为临床医生的“第二大脑”在争分夺秒的抢救中提供多一重数据支撑。2. 数据预处理从原始数据到模型“燃料”的炼金术拿到竞赛数据包解压后看到那一堆DICOM格式的CT影像序列、结构化的表格数据以及非结构化的文本病历第一感觉是头大。数据就是模型的“燃料”但原始数据往往是“原油”含有大量杂质。我们的第一步也是最耗费时间的一步就是数据预处理。这部分工作枯燥但至关重要直接决定了后续模型的天花板。2.1 医学影像数据的标准化与特征工程CT影像是本题的核心。我们拿到的通常是患者发病后多个时间点如入院时、24小时后的头部CT扫描序列。DICOM文件不仅包含图像像素还有层厚、像素间距、患者体位等丰富的元数据。首先进行影像标准化。不同医院、不同设备的CT扫描参数存在差异导致图像的灰度值Hounsfield Unit, HU分布不一致。我们采用“窗宽窗位”调整将图像灰度映射到特定范围如脑组织窗窗宽80HU窗位40HU以突出显示脑实质、脑脊液和血肿。更关键的是进行空间标准化利用DICOM头文件中的信息将二维切片重采样并重建为三维体数据确保每个体素voxel在物理空间中的大小一致例如1x1x1 mm³。这一步我们用了SimpleITK库它处理DICOM非常方便。import SimpleITK as sitk # 读取DICOM序列 dicom_series sitk.ImageSeriesReader() dicom_series.SetFileNames(dicom_files) image3d dicom_series.Execute() # 获取原始间距和方向进行重采样到各向同性 original_spacing image3d.GetSpacing() new_spacing [1.0, 1.0, 1.0] resampled_image sitk.Resample(image3d, sitk.Transform(), sitk.sitkLinear, image3d.GetOrigin(), new_spacing, image3d.GetDirection(), 0.0, image3d.GetPixelID())其次是血肿区域的精准分割。这是特征提取的基础。题目数据可能提供了血肿的粗略标注但为了更精细的特征我们采用了半自动人工修正的方式。先使用阈值分割例如HU值大于40-80的区域初步判定为血肿再结合区域生长算法最后在ITK-SNAP或3D Slicer这类可视化工具中进行人工检查和微调。分割出的三维掩膜mask就是后续计算的基石。最后是特征提取。我们从分割出的血肿区域提取了四大类特征形态学特征体积直接计算体素个数、表面积、球形度、紧致度。体积是最直接的指标但球形度描述形状接近球体的程度可能暗示血肿的扩张方式。密度特征平均HU值、HU值分布标准差、偏度、峰度、异质性指数如灰度共生矩阵GLCM的对比度、同质性。血肿内部的密度不均匀性异质性被认为是血肿扩张的潜在影像学标志。位置特征血肿质心相对于颅脑解剖结构如中线、基底节区、丘脑的坐标。我们手动定义了几个关键解剖区域的图谱将血肿坐标映射过去。位置极大影响手术难度和预后。周围水肿带特征计算血肿周围一定范围内如5mm脑组织的水肿程度通过HU值降低来评估以及水肿带的体积和形态。注意特征工程不是越多越好。我们初期提取了上百个特征但后续必须进行特征选择剔除相关性过高或与临床目标无关的特征否则模型极易过拟合。2.2 临床表格与文本数据的融合处理除了影像还有患者的年龄、性别、入院时格拉斯哥昏迷评分GCS、血压、凝血功能指标等表格数据。这部分相对规整主要处理缺失值和异常值。对于连续变量如血压我们采用中位数填充对于分类变量单独设“缺失”类别。所有数值特征进行标准化Z-score。真正的难点在于文本病历。医生的病程记录、手术记录中包含大量宝贵信息如“患者意识障碍进行性加重”、“出现一侧瞳孔散大”等描述这些是判断病情恶化的关键。我们采用自然语言处理NLP技术进行信息抽取。实体识别使用预训练模型如BERT或基于规则的方法识别出文本中的关键实体症状如头痛、呕吐、体征如偏瘫、脑膜刺激征、手术名称、药物等。关系抽取与量化将识别出的实体与时间、严重程度关联。例如将“入院后6小时GCS评分从12分降至8分”转化为一个时序特征“GCS评分下降速度4分/6小时”。这个动态变化特征比单一的入院GCS分值更有预测力。构建时序特征矩阵将不同时间点入院、复查的影像特征、生命体征、文本抽取的特征按时间线对齐形成一个患者的多维时序数据面板。这为后续建模患者状态的动态演变打下了基础。3. 风险预测模型构建当数学遇见不确定性数据准备好后就进入了核心的建模环节。题目要求预测“血肿扩张风险”和“预后不良风险”这是典型的分类问题高风险 vs 低风险但充满了医学不确定性。3.1 血肿扩张风险预测抓住“时间窗”内的动态血肿扩张通常定义为后续CT检查相比基线CT血肿体积增加超过33%或绝对体积增加超过6mL。这是一个在发病早期常为24-72小时内需要密切关注的事件。我们将其建模为一个二分类问题。但直接使用逻辑回归或随机森林可能不够。因为血肿扩张是一个动态过程且影响因素复杂。我们尝试了多种模型并进行对比模型核心思路优点缺点我们的应用场景逻辑回归线性组合特征通过Sigmoid函数输出概率。可解释性强能获得特征系数OR值。无法捕捉复杂非线性关系。作为基线模型用于初步筛选重要特征。随机森林集成多棵决策树通过投票或平均做出决策。能处理非线性抗过拟合较好可输出特征重要性。对于时序依赖关系捕捉能力弱。用于融合静态特征如入院特征、首次CT特征进行预测。XGBoost梯度提升树以迭代方式构建强学习器。预测精度通常很高自带正则化防止过拟合。超参数较多调优复杂可解释性低于逻辑回归。作为我们静态预测的主力模型在特征工程扎实后效果显著。LSTM网络长短期记忆网络专为序列数据设计。能很好地建模临床指标随时间变化的趋势。需要足够多的时序数据训练成本高可解释性差。用于处理我们构建的患者多时间点特征序列预测短期内的恶化风险。我们的融合策略我们并没有单一押注某个模型。最终方案是一个两级预测系统。第一级用XGBoost基于患者入院时的全部静态特征包括首次CT的深度特征计算一个基础风险分。第二级对于在院期间有多次检查的患者将其时序特征输入一个轻量级的LSTM网络计算风险趋势变化分。将两个分数加权融合得到最终的血肿扩张风险概率。权重根据验证集上的表现进行调整。实操心得在医疗预测中校准Calibration和区分度Discrimination同样重要。模型预测出80%的风险最好真实风险就在80%左右。我们使用了Platt Scaling或Isotonic Regression对XGBoost的输出概率进行校准使其更符合实际风险分布。评估时不仅要看AUC还要看校准曲线和Brier分数。3.2 预后不良风险预测多任务学习与生存分析预后不良通常定义为发病后90天改良Rankin量表mRS评分2分即残疾或死亡。这个问题更复杂因为结局受到入院情况、治疗干预和并发症等多方面影响。我们采用了多任务学习的思路。与其单独预测90天预后不如同时预测几个中间指标住院期间是否发生脑疝、是否发生肺部感染等严重并发症、出院时的神经功能评分。这些任务共享底层的特征表示例如通过一个共享的神经网络编码器使得模型能学习到更鲁棒、更具泛化能力的患者状态表征。预后预测作为主任务其他任务作为辅助任务共同训练。此外考虑到部分患者可能失访或数据截尾我们引入了生存分析模型如Cox比例风险模型。它将预后视为一个时间-事件数据能处理在观察期结束前未发生结局例如90天内未死亡的情况。我们使用了基于深度学习扩展的DeepSurv模型它能够自动学习非线性风险函数效果比传统的Cox模型更好。# 以DeepSurv为例的简化代码框架 import torchtuples as tt from pycox.models import DeepSurv # 定义网络结构 in_features num_features out_features 1 # 输出风险率 num_nodes [32, 32] batch_norm True dropout 0.1 output_bias False net tt.practical.MLPVanilla(in_features, num_nodes, out_features, batch_norm, dropout, output_biasoutput_bias) # 定义DeepSurv模型 model DeepSurv(net, tt.optim.Adam, alpha0.01) # 准备数据duration时间 event是否发生事件 特征矩阵 # 拟合模型 model.fit(input_train, target_train, batch_size256, epochs100, callbacks[tt.cb.EarlyStopping()]) # 预测风险分数 risk_score model.predict(input_test)4. 治疗决策推荐在风险与收益间寻找平衡点这是整个赛题最精彩也最困难的部分。它不是一个简单的分类而是一个序列决策问题根据患者当前状态推荐“继续保守治疗”还是“手术治疗”如果手术何时是“最佳时机”。这本质上是一个强化学习问题。我们将临床决策过程建模为一个马尔可夫决策过程MDP状态State患者在某时间点的全面特征表示包括影像特征、临床指标、实验室结果、已采取的治疗措施等。动作Action可选的决策集合如{A0: 继续观察/药物治疗 A1: 准备并执行开颅血肿清除术 A2: 准备并执行微创穿刺引流术...}。奖励Reward模拟患者接受动作后向好的结局如良好预后迈进的“收益”。这是建模的难点。我们设计了一个复合奖励函数即时奖励避免发生严重不良事件如脑疝给予正奖励发生则给予大的负奖励。远期奖励与预测的90天预后不良风险负相关。风险降低则奖励增加。策略Policy一个函数输入当前状态输出最优动作。我们采用了深度Q网络DQN来学习这个策略。我们使用历史数据状态、动作、后续状态、结局作为训练经验池。但是真实医疗数据是观察性的而非通过随机策略生成的这会导致严重的偏差。医生过去的决策是基于当时的知识和患者状况的可能存在选择偏倚。直接使用这些数据训练模型可能只是学会了模仿历史平均策略而非最优策略。为此我们引入了逆强化学习IRL的思想。我们不直接定义奖励函数而是假设医生的历史决策在整体上是“相对合理”的通过算法反向推导出医生行为背后隐含的“奖励函数”。然后再用这个学到的奖励函数去训练DQN寻找可能比历史策略更优的新策略。这个过程能部分缓解观察性数据的偏倚问题。重要提示我们深知这个推荐系统绝不能作为临床最终决策。它的定位是“辅助”和“提示”。因此在模型输出时我们不仅给出推荐动作还提供了详细的“决策依据报告”包括当前各项风险预测值、与相似历史病例的对比、采取不同动作的预期收益与风险对比通过模拟推演。模型的可解释性在此至关重要医生需要知道模型“为什么”这么推荐。5. 模型验证、评估与可解释性在医疗建模中一个在训练集上表现完美的模型可能因为数据偏见或过拟合而毫无临床价值。因此验证评估环节和模型本身一样重要。1. 数据划分与验证策略 我们严格采用时间序列划分或按医院中心划分而不是随机划分。因为随机划分会导致来自同一患者不同时间点的数据或同一医院的数据同时出现在训练集和测试集造成数据泄露严重高估模型性能。我们模拟了真实世界模型部署时的场景用过去几年的数据训练用最新的数据测试。2. 评估指标多元化区分度AUC-ROC是基础但对于不平衡数据如预后不良比例低也看AUC-PR精确率-召回率曲线下面积。校准度绘制校准曲线计算Brier分数和期望校准误差ECE。一个校准良好的模型其预测概率才具有临床参考价值。临床效用我们绘制了决策曲线Decision Curve Analysis, DCA。它能直观展示在不同阈值概率下使用我们的模型制定决策如对高风险患者提前干预相比“全部干预”或“全部不干预”的策略能带来多少临床净收益。这是医生最能理解的指标。3. 模型可解释性实践全局解释对于树模型XGBoost使用SHAPSHapley Additive exPlanations值。它能展示每个特征对模型输出的平均贡献方向和大小。例如我们发现“血肿体积”和“入院GCS评分”是SHAP值最高的两个特征这与临床认知一致。局部解释对于单个患者的预测使用SHAP force plot或LIME展示是哪些具体的特征值将预测推向了高风险或低风险。例如向医生展示“该患者预测风险高的主要原因是血肿体积较大15%风险、中线移位明显10%风险但其年龄较轻-5%风险部分抵消了风险。”影像解释对于CNN/LSTM中处理的影像特征我们使用Grad-CAM类技术生成热力图可视化出网络在判断风险时重点关注了CT影像上的哪些区域。这能帮助验证模型是否真的“看”到了有意义的医学影像模式而不是无关噪声。整个2023年E题的攻关过程是一次将数学建模、机器学习与临床医学深度结合的硬核实践。它让我们深刻体会到解决现实世界的问题光有漂亮的算法是不够的更需要深入理解问题领域临床病理生理、严谨的数据处理医学数据预处理、对模型不确定性的把握概率校准以及对人机协同的思考可解释性与决策支持。最终提交的论文我们花了大量篇幅阐述数据处理的细节、模型选择的理由、评估的严谨性以及系统的局限性这或许比模型本身的AUC值更能体现我们的思考深度。
