Neues CSRA-Verfahren verbessert Sepsis‑Vorhersage in ICU

Die frühzeitige Erkennung von Sepsis ist entscheidend für die Versorgung von Intensivpatienten. Trotz großer Fortschritte bleibt die Vorhersage bei sehr kurzen Beobachtungsfenstern schwierig, weil nur wenige historische Daten zur Verfügung stehen und gleichzeitig die Anzahl der Patienten mit gültiger zukünftiger Supervision sinkt.

Um dieses Problem zu lösen, wurde CSRA – Controlled Spectral Residual Augmentation – entwickelt. Das Verfahren gruppiert Messgrößen nach klinischen Systemen und extrahiert sowohl systemweite als auch globale Repräsentationen. Anschließend wird im Spektralbereich eine input‑adaptive Residual‑Störung erzeugt, die strukturierte und klinisch plausible Trajektorienvariationen liefert.

CSRA wird end‑to‑end mit dem nachgelagerten Vorhersagemodell trainiert. Dabei kommen ein Anchor‑Consistency‑Loss und eine Controller‑Regularisierung zum Einsatz, die die Stabilität und Steuerbarkeit der Augmentation erhöhen. Dadurch entsteht ein einheitliches Trainingsziel, das die Leistungsfähigkeit des gesamten Systems verbessert.

In Experimenten mit einer MIMIC‑IV‑Sepsis‑Kohorte zeigte CSRA konsistente Vorteile gegenüber herkömmlichen Methoden. Die mittlere quadratische Fehler (MSE) sank um 10,2 % und der mittlere absolute Fehler (MAE) um 3,7 %. Auch bei Klassifikationsaufgaben erzielte CSRA signifikante Verbesserungen. Das Verfahren bleibt unter kürzeren Beobachtungsfenstern, längeren Vorhersagehorizonten und kleineren Trainingsdatensätzen leistungsfähig und zeigte zudem gute Ergebnisse auf einem externen Datensatz (ZiGongICUinfection), was die Robustheit unterstreicht.

CSRA bietet damit eine robuste, skalierbare Lösung für die Sepsis‑Vorhersage in der Intensivmedizin und könnte die Früherkennung und Intervention bei schwerwiegenden Patienten erheblich verbessern.