StrokeTHG：用病历异构图预测卒中后 30、90、365 天的死亡率

StrokeTHG 是一种异构图神经网络，它基于宾夕法尼亚州某单一医疗系统中 4144 名患者的电子病历，同时预测缺血性卒中后 30、90 和 365 天的死亡率。在三个时间点上其 AUROC 分别达到 0.872、0.878 和 0.837，持续优于经典的表格模型（逻辑回归、随机森林、XGBoost），在对分诊有用的灵敏度阈值上尤为明显。提升是真实的，但评估仍为单中心、直推式且无外部验证：这是一个令人鼓舞的方法学信号，尚不是临床工具。

背景

预测卒中后的死亡风险有助于个体化治疗、指导预后沟通并配置资源。但现有模型有两个共同的弱点。第一，它们把每个时间窗分开处理：一个模型预测 30 天死亡率，另一个预测一年，二者之间缺乏一致性。第二，它们把患者病历表示为一个扁平的特征向量——一长串列（年龄、合并症、化验结果）——从而抹去了电子病历（EHR，electronic health records）的关系结构。

然而 EHR 不是电子表格，而是一张网络。一个患者与其就诊、诊断、合并症、治疗医院、主治专科相连，并且——间接地——与生物学特征相近的其他患者相连。图神经网络（GNN，graph neural networks）正是为利用这种结构而设计的。宾州州立的团队提出一种异构 GNN——一种区分多种节点类型和边类型的图——以检验这种关系上的丰富性能否在表格模型之外改善预测。

方法

作者构建了一个回顾性队列，纳入 2017 至 2023 年在宾州州立健康系统（一个多院区学术医疗系统）以缺血性卒中为主要出院诊断的 4144 名患者。平均年龄 69.0 岁，男性占 54.3%，白人占 83%。观察到的死亡率为 30 天 9.7%、90 天 13.7%、一年 19.6%。队列按 60% 训练、20% 验证、20% 测试划分，并按 30 天死亡率分层。

方法的核心是构建一张异构图，包含九种节点类型（患者、住院、诊断、机构、医生、合并症、表型、诊疗路径、DRG 严重度等级）和十九种边类型。其中有两条用K 近邻（KNN）构建的患者相似度通道：一条广义通道（K=25，基于全部特征）和一条化验特异通道（K=15，基于 42 项化验值）。关键的一点是：每个患者只与训练集中的近邻相连，以避免测试患者之间直接的信息泄漏。"表型"节点是对化验数据做 K-means 聚类得到的簇质心，充当隐式的严重度锚点。

该架构将每个节点投射到 128 维空间，然后施加三层消息传递（message passing，每个节点逐步聚合其邻居的信息）。住院时间用正弦嵌入编码。最值得注意的是，模型以三个单调预测头收尾：一种数学构造，保证 30 天风险永远不会超过 90 天风险，后者又受一年风险的约束。这种概率一致性是由构造强制的，而非仅靠学习。训练结合了掩码预训练（重建被遮蔽的 30% 特征）、用于处理类别不平衡的非对称focal loss，以及单一随机种子（42）。对照模型——逻辑回归、随机森林、XGBoost——在相同划分下基于 253 个表格特征训练。

结果

StrokeTHG 在三个时间点上都取得最佳 AUROC：30 天 0.872、90 天 0.878、一年 0.837，而最佳对照 XGBoost 分别为 0.832、0.823、0.805。AUROC（ROC 曲线下面积）衡量把一名死亡患者排在一名生存者之前的能力：0.872 意味着约 87% 的配对中如此。在配对自助法统计检验中，9 项比较里有 6 项显著（p < 0.05），90 天的信号最为清晰。

临床上最有说服力的结果是在特异度固定为 ≥75% 时的灵敏度。在该阈值下，StrokeTHG 在三个时间点分别检出 78.7%、83.5% 和 73.9% 的死亡，比最佳对照高出 5 至 10 个百分点。换算到实际：在 90 天时间点每 1000 名患者（预期 137 例死亡）中，模型标记出约 114 例并漏掉 23 例，而 XGBoost 会标记 104 例、漏掉 33 例——多识别出约十名高风险患者，且误报负担相当。一项受控分析还显示，当把各方法都送入同一个逻辑回归分类器时，StrokeTHG 的嵌入（embeddings，学到的向量表示）胜过其他图方法，证明提升来自表示质量而非分类器。边消融分析指出，表型→患者连接最具影响力，其次是住院→患者。

好的方面

单调预测头。 由构造强制 P(30 天死亡) ≤ P(90 天死亡) ≤ P(1 年死亡) 既优雅又有临床依据：若一个模型预测的短期风险高于长期风险，就会产生让临床医生困惑的不一致输出。这里的一致性是有保证的，而非仅仅期望。

表示与分类器的分离。 作者不仅把 StrokeTHG 与表格模型比较，还从五种不同的图方法中提取嵌入，并用同一个分类器评估全部。这种严谨做法隔离了表示的效应，使提升可信而非循环论证。

防泄漏的相似度边构建。 让每个患者只与训练集近邻相连是正确的直觉：它防止测试患者彼此"认出"对方、通过相似度通道人为抬高性能。报告固定特异度下的灵敏度而非仅报告 AUROC，也指向诚实的临床解读。

欠佳的方面

直推式评估对阵归纳式对照。 这是最微妙的一点。StrokeTHG 以直推式（transductive）训练：包含测试患者节点在内的完整图在训练时就在场。作者承认，即便相似度边是干净的，共享节点（表型、合并症）也会在训练与测试患者之间形成两跳的间接连接，特征信息可借此传播。而对照模型（逻辑回归、XGBoost）则以归纳式（inductive）训练，完全无法接触测试患者。因此这一比较并非完全公平——是对照偏倚与部分数据泄漏的混合，二者都是健康 AI 的经典失效模式。作者承认这一点，并把严格归纳式评估（GraphSAGE 式）留作未来工作。

单中心、多样性不足，以及一个虚高的指标。 整个队列来自宾夕法尼亚州的单一系统，83% 为白人——明显的人群偏倚——而文中提到有一个外部队列（Geisinger）可用却未使用。没有进行任何外部验证。此外还潜伏着误导性指标：在 30 天，0.872 的 AUROC 与仅 0.393 的 AUPRC 并存，因为死亡仅占 9.7% 的病例——以绝对数计，模型产生大量被 AUROC 掩盖的误报。

缺少对卒中最重要的变量。 该图基于通用的 EHR 架构，而非卒中专用：既无神经严重度评分（NIHSS），也无脑影像，更无再灌注状态（溶栓、取栓）——而这些都是卒中后死亡最强的决定因素之一。再加上单一随机种子（无训练稳定性的衡量）、尚未发布的代码（"录用后"），以及在对二级预防最有用的时间点上消失的优势：在一年时，StrokeTHG 与简单的矩阵分解（NMF，0.821 对 0.823）打平。

带来什么改变

对研究界而言，价值与其说在于这一原始结果，不如说在于这一范式：带单调多时间点预测头的异构 EHR 图，再配以严谨的嵌入比较，为其他风险分层任务提供了一个可复用的模板。最有用的边是表型→患者这一发现——一种协同过滤，模型从生物学上相近患者的结局中学习——是思考图究竟带来什么的一个起点。

对临床医生而言，诚实的回答是：目前还没有。一个单中心、直推式、无外部验证、也无卒中严重度变量的模型，无法接入病房。其潜力——一个标记高风险患者以便加强监测的分诊工具——是真实的，但取决于前瞻性、多中心的验证。对患者和公众而言，这是一个提醒：死亡率评分不是判决，它用于组织医疗，而非决定个人命运，而解读这个数字的，始终是医学。

延伸阅读

该预印本见 medRxiv（DOI 10.64898/2026.06.09.26355176），采用 CC-BY-ND 许可，由美国 NIH 资助（R01NS128986），无利益冲突声明。代码宣布于稿件"录用后"发布。关于用机器学习做神经预后的相关方法，可参阅我们对卒中后认知预后神经影像流程的解读，以及关于表格型风险模型陷阱的SHAP-SVM 血栓栓塞模型解读。

编辑透明度说明：法语版本由 Tatakoto 编辑部在阅读预印本后撰写并署名。英语、西班牙语和中文译文在 AI 协助下完成并经过校阅。