SepsisCare：面向ICU脓毒症风险分层、动态表型学习与多端软件产品系统

项目背景：脓毒症病情进展快、致死率高，临床依赖医护经验识别早期征象，存在滞后性。本项目旨在通过时序数据建模与实时可视化，实现脓毒症风险的自动化早期预警。

SepsisCare 是一个从 ICU 时间序列研究原型扩展到可安装软件系统的课程项目。项目目标
不是替代临床诊断，而是在脱敏 ICU 数据与本地演示模型的基础上，展示脓毒症风险分层、动
态表型轨迹、历史相似病例检索、家属沟通智能体与模型训练运维终端的端到端工程闭环。研
究部分采用 PhysioNet 2012、 PhysioNet 2019、 MIMIC-IV 与 eICU 四类 ICU 数据源，形成从 S0
数据标准化到 S7 多源训练的迭代方法链。最终模型采用缺失感知 GRU 轨迹编码器、源均衡采
样、 GroupDRO 源目标、表型交叉熵与监督对比正则，最终在课程演示监控切分上达到宏平均
F1 0.956、编码器单独读出宏平均 F1 0.971、死亡 AUROC 0.848、下一时段机械通气 AUROC
0.968、剩余 ICU 住院时长 MAE 2.955 小时。工程部分交付 macOS、 Windows、 Android 安装包
与独立云端模型部署包，后端通过标准 HTTP API 将本地/云端模型、DeepSeek 智能体、训练
终端与多端客户端连接为一个可演示系统。2026 年 5 月 30 日之后，项目又补充了远端 Bearer
token 鉴权、SSRF 防护、Web token 会话化、HTML 输出转义、运行时数据审计、敏感发布面
审计、训练元数据完整性审计、artifact 清单校验和预发布安全门禁，使部署路径从“可运行演
示”提升为“有安全边界、有污染检查、有复现证据的交付流程”。

• 全栈独立开发：系统架构设计、算法模块、前端应用、后端服务、数据库与部署全流程
• 时序逻辑模型：ICU 多源数据（生命体征+检验指标）的融合清洗、时序特征工程、LSTM/Transformer 预警模型设计
• 前端研究应用：实时临床监控面板、交互式时序可视化、预警推送模块、研究数据导出功能
• 工程落地：后端 API 开发、数据库设计、Docker 私有化部署