床旁监护不再只看10秒片段：BioLT把心电、脉搏波、脑电接成长流，21个设置里15个检出AUROC最高
核心概要
临床心电、脉搏波和脑电正以数小时连续流的形式被采集，但现有分析几乎都停在约10秒的孤立窗口上，无法处理长而不规则、常被中断的信号。BioLT把任意窗口级特征提取器或预训练生物信号基础模型改造成流式模型：把相邻窗口之间的间隔时间作为显式输入通道，并用固定大小的压缩记忆库保留长程上下文，使训练和推理随记录长度线性增长。在CPSC-2021、VitalDB、MC-MED和CHB-MIT上，覆盖心律失常、脓毒症和癫痫检出以及最长20分钟预测，21个数据集-特征设置中BioLT在15个取得最高检出AUROC、在13个取得最高20分钟预测AUROC。
深度剖析
BioLT把生物信号分析的单位从单个10秒窗口换成整段连续记录，模型在任意时刻只依据此前已到达的窗口给出因果预测，并随新窗口到来持续更新。 此前的做法分两类：一类从长时记录算心率变异性、熵等汇总统计量，保留全局状态却丢掉时间顺序；另一类在约10秒窗口上做快照分析，把每个窗口当作独立样本，忽略生理轨迹的连续性。 在CPSC-2021、VitalDB、MC-MED和CHB-MIT四个数据集、心电与脉搏波与脑电三种模态、领域特征与六个基础模型嵌入共21个数据集-特征设置上，BioLT在15个设置取得最高检出AUROC，在13个设置取得最高20分钟预测AUROC。
BioLT是一个仅解码器的时序骨干，把每个有效窗口的表示连同它与上一窗口的时间间隔一起作为输入，并用一个固定大小的记忆库跨块携带历史。 间隔时间不再被当作需要填补的缺失，而是作为显式通道输入模型，让模型学习把停顿当作有临床含义的信息；记忆库则用可学习查询把已处理块压缩成少量记忆槽，按先进先出更新，避免对全部历史窗口做二次复杂度的注意力。 记忆槽由累计汇总统计量监督，即截至当前时刻隐状态的均值、标准差、线性趋势和动态范围；在MC-MED脓毒症10分钟预测上，去掉间隔输入后心电AUROC从60.29降到58.02、脉搏波从63.19降到60.61，再去掉记忆库后进一步降到53.82和53.74。
启示与展望
评估限于CPSC-2021、VitalDB、MC-MED和CHB-MIT四个公开数据集上的心律失常、脓毒症与癫痫检出及最长20分钟预测，采用患者级60/20/20划分，下游训练序列截断到500个窗口而测试用完整记录；这些是预印本结果，尚未经同行评审，也不应据以指导临床实践。
预测任务的领先幅度普遍小于检出任务，作者将此归因于预测本身更难；在CHB-MIT癫痫的20分钟预测上，BioLT配领域特征的AUROC为51.10，低于配CBraMod嵌入的快照方法，相对差值为负6.61。作者也指出，在局部节律形态已含信息的房颤任务上增益较小。