脓毒症风险预测多模态模型

基于多模态变换器和外部医学知识库的脓毒症风险预测系统，整合了UMLS、Clinical Tables、RxNorm等真实医学数据库。

功能特性

• 多模态数据融合: 整合时间序列数据、实验室检查和生命体征
• 外部知识库集成: 连接UMLS、Clinical Tables、RxNorm等医学数据库
• 知识图谱增强: 基于真实医学本体构建知识图谱
• 可解释AI: 提供注意力机制和特征重要性分析
• 实时预测: 支持实时脓毒症风险评估

外部数据库支持

已集成并测试的医学数据库

1. UMLS (统一医学语言系统) ⚠️ 需要API密钥

   • 统一医学语言系统
   • 提供多种医学词汇的映射和关系
   • 需要从 UMLS UTS 申请API密钥
   • 状态: 服务可达，需要认证

2. Clinical Tables (NLM临床数据表) ✅ 免费可用

   • Medical Conditions: 医学条件和疾病 (✅ 已测试)
   • HPO Phenotypes: 人类表型本体 (✅ 已测试，23个发热相关结果)
   • Disease Names: 疾病名称数据库 (✅ 已测试，4个脓毒症相关结果)
   • ICD-10-CM: 国际疾病分类代码 (⚠️ 需要调整搜索词)
   • 状态: 完全免费，无需认证

3. RxNorm (标准化药物命名) ✅ 免费可用

   • 标准化药物命名系统
   • 包含药物相互作用信息
   • Drug Search: 药物搜索 (✅ 已测试)
   • Version Info: 版本信息 (✅ 2025年6月2日版本)
   • Approximate Match: 模糊匹配 (✅ 已测试)
   • 状态: 完全免费，无需认证

安装与配置

1. 安装依赖

pip install -r requirements.txt

2. 测试API可用性

首先运行API测试脚本确认所有外部服务正常：

python test_apis.py

3. 配置API密钥 (可选)

创建配置文件以获得完整的UMLS功能：

python src/main.py --create-config

编辑生成的 config.json 文件：

{
  "umls_api_key": "YOUR_UMLS_API_KEY_HERE",
  "use_external_apis": true,
  "cache_duration_hours": 24,
  "max_api_calls_per_minute": 60,
  "note": "请在https://uts.nlm.nih.gov/uts/申请UMLS API密钥"
}

4. 获取UMLS API密钥 (可选，但推荐)

1. 访问 UMLS UTS
2. 创建账户并申请API密钥
3. 将密钥添加到配置文件或设置环境变量：

   export UMLS_API_KEY="your_api_key_here"

注意: 即使没有UMLS API密钥，系统仍然可以使用Clinical Tables和RxNorm API正常工作。

使用方法

训练模式

# 使用外部知识库训练完整模型
python src/main.py --mode train --data-path data/processed --output-path output

# 跳过知识图谱构建（快速测试）
python src/main.py --mode train --skip-kg --data-path data/processed

评估模式

# 评估预训练模型
python src/main.py --mode evaluate --model-path output/run_xxx/best_model.pt --data-path data/processed

实际API测试结果

基于最新测试（2024年），以下是各API的实际状态：

✅ 完全可用的API

• Clinical Tables: 医学条件、HPO表型、疾病名称
• RxNorm: 药物搜索、版本信息、模糊匹配

⚠️ 需要密钥的API

• UMLS UTS: 需要免费申请API密钥

🔧 需要调整的API

• 某些Clinical Tables子集: 可能需要调整搜索参数

项目结构

project/
├── src/
│   ├── main.py                          # 主程序
│   ├── data_processor/
│   │   ├── data_loader.py               # 数据加载器
│   │   └── data_imputer.py              # 数据插补
│   ├── models/
│   │   └── multimodal_transformer.py   # 多模态变换器模型
│   ├── knowledge_graph/
│   │   ├── external_knowledge.py       # 外部知识库集成
│   │   ├── kg_builder.py               # 知识图谱构建器
│   │   └── kg_embedder.py              # 知识图谱嵌入
│   ├── training/
│   │   └── trainer.py                  # 模型训练器
│   ├── evaluation/
│   │   └── evaluator.py                # 模型评估器
│   ├── visualization/
│   │   └── visualizer.py               # 结果可视化
│   └── utils/
│       └── logger.py                   # 日志工具
├── test_apis.py                        # API测试脚本
├── data/                               # 数据目录
├── output/                             # 输出目录
├── config.json                         # 配置文件
└── requirements.txt                    # 依赖列表

外部知识库功能

概念搜索

• ✅ 在Clinical Tables中搜索医学条件和疾病
• ✅ 在HPO中查找人类表型
• ✅ 在UMLS中搜索统一医学概念（需API密钥）

药物信息

• ✅ 在RxNorm中搜索标准化药物名称
• ✅ 查询药物相互作用
• ✅ 获取药物版本信息

知识图谱构建

• 自动从外部数据库构建脓毒症相关知识图谱
• 特征到医学概念的智能映射
• 支持多源知识整合

输出结果

模型文件

• best_model.pt: 最佳训练模型
• training_history.json: 训练历史
• model_config.json: 模型配置

知识图谱

• knowledge_graph.pkl: 构建的知识图谱
• kg_embeddings.pkl: 知识图谱嵌入

评估结果

• evaluation_metrics.json: 详细评估指标
• figures/: 可视化图表
• patient_trajectories.csv: 患者风险轨迹