Cross‑Sample Augmented TTA steigert Genauigkeit bei intraoperativer Hypotonie

Intraoperative Hypotonie (IOH) stellt ein erhebliches Risiko für Patienten dar, doch die Vorhersage bleibt wegen der starken individuellen Variabilität schwierig. Test‑Time‑Adaptation (TTA) hat sich als vielversprechender Ansatz für personalisierte Prognosen erwiesen, stößt jedoch bei seltenen IOH‑Ereignissen an seine Grenzen, weil das Training zu wenig Daten erhält.

Um dieses Problem zu lösen, präsentiert die neue Studie das CSA‑TTA‑Framework – Cross‑Sample Augmented Test‑Time Adaptation. Zunächst wird ein Cross‑Sample‑Bank aus historischen Daten aufgebaut, die in hypotensive und nicht‑hypotensive Segmente unterteilt werden. Anschließend nutzt das System eine zweistufige Abrufstrategie: Mit K‑Shape‑Clustering werden repräsentative Cluster‑Zentren bestimmt, danach werden die Top‑K semantisch ähnlichsten Proben anhand des aktuellen Patienten‑Signals ausgewählt.

Während des Trainings werden zusätzlich selbstüberwachende Maskierungs‑Rekonstruktions‑ und retrospektive Sequenz‑Vorhersage‑Signale integriert, um die Modell‑Anpassungsfähigkeit an schnelle und subtile intraoperative Dynamiken zu erhöhen. Das Verfahren wird mit modernsten Zeitreihen‑Forecasting‑Modellen wie TimesFM und UniTS kombiniert.

Die Evaluation auf dem VitalDB‑Datensatz sowie einem realen Krankenhaus‑Datensatz zeigt, dass CSA‑TTA die Leistung signifikant verbessert: Unter Feinabstimmung steigen Recall und F1 um +1,33 % bzw. +1,13 %, während im Zero‑Shot‑Modus die Verbesserungen auf +7,46 % bzw. +5,07 % ansteigen. Diese Ergebnisse unterstreichen die Robustheit und Praxisrelevanz des Ansatzes.

Die vorgestellte Methode bietet damit einen wichtigen Schritt hin zu zuverlässigeren, personalisierten Vorhersagen von intraoperativer Hypotonie und könnte die Sicherheit von Operationen nachhaltig erhöhen.