小红书精读：Drift-Adaptive ICU Intervention Prediction: Freezing the Physiological Encoder for Auditable Model Updating

🔒冻结一半权重，ICU模型更新还能审计？

各位算法同学们，模型更新后你还能说清它改了什么吗？这篇论文直接冻结生理编码器，只更新治疗流和融合头，从结构上把更新范围锁死，审计日志还能告诉你改了哪些治疗特征。对ICU这类高监管场景，这个思路比事后解释更讨喜。

📄 Drift-Adaptive ICU Intervention Prediction: Freezing the Physiological Encoder for Auditable Model Updating

🔧 两流分离：生理动态用LSTM，治疗上下文用MLP，更新时只动治疗流和融合头，生理编码器保持bitwise identical，从结构上限定更新范围。 🧩 双触发机制：分布漂移和性能下降同时监控，联合触发才更新，并生成按特征重要性的审计日志，记录更新依赖了哪些治疗特征。 ⚙️ 归因条件检索：用Integrated Gradients生成患者级PubMed查询，结合冻结编码器，让证据检索与源模型保持一致，但残留差距可观察。

📊 在84,792条MIMIC-IV住院记录上按三年时代划分评估，选择性适应平均AUROC 0.9316，全适应0.9249，总体判别没有损失，甚至在血管升压药上更优。 📈 跨适应种子运行六倍更稳定（six-fold more stable），说明随机性影响小。 ✅ 在连续四个时代转换上，检测器定位到2020边界，只触发一次，且仅靠分布腿触发，没有误报。

个人觉得这个思路把“冻结”变成了审计手段，比事后解释更硬核，尤其是对需要监管审批的医疗AI。但要注意归因检索只是可观察，不代表可证明，真要上线还得盯着归因分布有没有悄悄漂移。

原文：AlphaXiv