脓毒症血糖数字孪生不再等误差超标：冻结PatchTST加强化学习残差修正，10名ICU患者一步预测全部改善
核心概要
脓毒症重症监护中的血糖数字孪生此前只在预测误差超过阈值后才重新微调模型，属于事后补救。这项工作报告一种主动式流程：冻结的PatchTST基础模型给出一步预测，Actor–Critic强化学习智能体依据最近30分钟血糖窗口和残差历史，对第一步施加不超过±0.05的修正，再递归外推15步。在10名脓毒症ICU患者的逐分钟连续血糖监测数据上，预训练智能体无需按患者重新训练即降低全部10人的一步预测误差，源患者测试集平均绝对百分比误差从0.49%降到0.34%。
深度剖析
血糖数字孪生的更新方式从“误差超标后再微调”改为“每个预测周期都做一次有界修正”，模型参数在部署期间保持不动。 此前的数字孪生流程在集合相对误差超过5%阈值时才用患者数据微调PatchTST，只有偏差积累到足够大才重新校准。 在源患者测试集上，加入强化学习修正后一步预测的平均绝对百分比误差由0.49%降至0.34%。
修正量由Actor–Critic智能体给出，它同时看最近的血糖轨迹和最近的预测残差，输出一个连续动作作为对基础预测的加性调整。 智能体以30分钟回看窗口和残差历史构成状态，动作在应用前被裁剪到±0.05，奖励函数在平方误差之外再对修正幅度施加惩罚。 在10名脓毒症ICU患者的逐分钟连续血糖监测数据上，未经患者特异性再训练的预训练智能体使全部10人的平均绝对百分比误差低于未修正基线，相对改善从S007的3.80%到S008的30.92%。
把残差修正与阈值触发微调叠加的混合流程，主要收益仍来自修正层而非骨干更新。 混合流程在10人中的9人降低轨迹平均集合相对误差，并在全部10人降低最大集合相对误差。 只有S001和S005触发了外层微调，而这两人的微调未带来超过仅强化学习修正的额外改善，S005甚至变差；仅强化学习版本在全部10人降低轨迹平均集合相对误差，相对改善为0.87%至10.02%。
启示与展望
演示范围是10名脓毒症ICU患者的逐分钟连续血糖监测数据，基础模型与强化学习策略都只用血糖序列训练，评估指标为一步与15步预测的平均绝对百分比误差和集合相对误差。作者提出下一步需要更大规模的多中心验证，并把营养、血管活性药物、皮质类固醇等临床协变量纳入模型。
作者指出队列规模过小，不足以覆盖ICU人群、病情严重程度、治疗方案和血糖波动模式的全部范围。修正只作用于第一步，其余14步由冻结模型递归外推，可能限制对预测深处误差累积的处理；作者也说明当前仅以平均绝对百分比误差和累积奖励衡量，尚未评估低血糖与高血糖区间可靠性、不确定性校准以及对缺失或噪声传感器的稳健性。