PGP-Clinical-TimeKAN
面向多变量生理指标联合概率预测的临床AI框架，集成缺失值感知编码、器官系统先验、患者特异性关系建模和KAN消息传递等模块
时间轴 (近 90 天)
该框架采用KAN网络替代传统MLP进行图消息传递以增强非线性拟合能力
该框架在概率预测指标上边际负对数似然（NLL）为0.66380，连续排名概率得分（CRPS）为0.27301
PGP-Clinical-TimeKAN采用KAN网络替代传统MLP进行图消息传递以增强非线性拟合能力
低秩参数化将完整协方差矩阵分解为Σ = WW^T + D的形式，使参数量从O(d²)降至O(dr)
该框架的预测区间在名义50%、80%、95%置信水平下经验覆盖率分别为0.533、0.831和0.958
PGP-Clinical-TimeKAN的边际负对数似然（NLL）为0.66380，连续排名概率得分（CRPS）为0.27301
PGP-Clinical-TimeKAN在名义50%、80%、95%置信水平下的经验覆盖率分别为0.533、0.831和0.958
消融实验发现移除关系结构建模会导致最大的性能损失
PGP-Clinical-TimeKAN是一个针对多变量生理指标联合概率预测的框架，采用轨迹优先（trajectory-first）设计理念
研究揭示准确的生理指标预测并不自动等同于校准良好的事件检测器，生理轨迹预测与临床事件检测之间存在语义鸿沟
还有 6 条时间轴事件
全部知识事实 (16)
该框架采用KAN网络替代传统MLP进行图消息传递以增强非线性拟合能力
50%待验证该框架在概率预测指标上边际负对数似然（NLL）为0.66380，连续排名概率得分（CRPS）为0.27301
50%待验证PGP-Clinical-TimeKAN采用KAN网络替代传统MLP进行图消息传递以增强非线性拟合能力
50%待验证低秩参数化将完整协方差矩阵分解为Σ = WW^T + D的形式，使参数量从O(d²)降至O(dr)
50%待验证该框架的预测区间在名义50%、80%、95%置信水平下经验覆盖率分别为0.533、0.831和0.958
50%待验证PGP-Clinical-TimeKAN的边际负对数似然（NLL）为0.66380，连续排名概率得分（CRPS）为0.27301
50%待验证PGP-Clinical-TimeKAN在名义50%、80%、95%置信水平下的经验覆盖率分别为0.533、0.831和0.958
50%待验证消融实验发现移除关系结构建模会导致最大的性能损失
50%待验证PGP-Clinical-TimeKAN是一个针对多变量生理指标联合概率预测的框架，采用轨迹优先（trajectory-first）设计理念
50%待验证研究揭示准确的生理指标预测并不自动等同于校准良好的事件检测器，生理轨迹预测与临床事件检测之间存在语义鸿沟
50%待验证选择Student-t分布而非高斯分布是因为其更厚的尾部能更好捕捉临床数据中的异常值和极端生理事件
50%待验证从预测轨迹衍生的风险评分在临床事件检测任务上弱于专用的GRU-D分类器（AUROC 0.603 vs 0.650）
50%待验证PGP-Clinical-TimeKAN整合了五个技术模块：缺失值感知的时序编码器、软性器官系统先验、患者特异性关系建模、非线性Kolmogorov-Arnold消息传递、低秩多变量Student-t分布
50%待验证本研究使用的数据集包含6,882名患者和54,694个时间窗口，实验设置为使用24小时历史数据预测未来6小时的生理指标变化
50%待验证PGP-Clinical-TimeKAN在归一化MAE上取得0.37727 ± 0.00029排名第二，在RMSE上取得0.52656 ± 0.00034达到所有模型中最优水平
50%待验证相比确定性TimeKAN模型，PGP-Clinical-TimeKAN的MAE降低了0.52%
50%