ICU谵妄作为预测同步失败的体现：一种双智能体主动推理模型

《Entropy》：ICU Delirium as a Failure of Predictive Synchronization: A Two-Agent Active Inference Model

　　

摘要

本文提出了一个关于重症监护室（ICU）中谵妄现象的计算模型，该模型将谵妄定义为两个相互关联的主体——患者与ICU环境——之间自我强化的预测失败循环的最终结果。基于主动推断框架和自由能原理，本文认为谵妄并非患者自身的属性，而是一种关系性现象，当环境持续无法准确预测患者的内部状态时便会出现这种现象。这种失败会触发一种因果反馈机制，使得患者的先验信念逐渐固化——从主动推断的角度来看，这是一种精确性僵化现象：并非大脑被噪声淹没，而是大脑陷入了一种无法再通过新观察结果进行更新的状态。该模型被构建为一个双主体POMDP模型，两个主体都维持着生成模型，并不断尝试预测对方的状态。环境主体（R）可理解为环境侧的感知-推断-行动循环，无论由临床医护人员还是自动化监测系统来实现，它都会随着时间推移推断出患者（P）的潜在参数，并逐步构建出针对该患者的个性化生成模型。同步性是通过两种可比较的方向性惊讶度指标来体现的：表示环境对患者真实状态的惊讶程度，而则表示患者对环境观测结果的惊讶程度。通过对四种模型变体的系统性消融研究发现，环境的推断是实现同步性与谵妄现象关联所必需的架构要素：当环境能够进行推断时，同步性与谵妄现象之间的关联强度高且稳定；而若环境无法进行推断，则谵妄发生率会升高，且两者之间的关联也会变弱。学习机制以及先验信念固化反馈机制并不会增强这种关联强度，反而会影响现象的分布梯度，降低易感人群的极端症状出现概率，同时加剧不同人群之间的差异。该模型被视为一种计算假设生成工具，而非经过校准的临床预测工具，文中还探讨了其对ICU设计的影响。