临床预测+医学RAG=结构化EHR建模能力+医学大模型应用能力（三）

第五篇 特征工程 —— 从原始时序到模型输入

5.1 特征工程在 EHR 预测中的地位与设计原则

5.1.1 数据决定上限，特征逼近上限

在机器学习界有一句流传甚广的箴言：“数据和特征决定了模型性能的上限，而算法只是在逼近这个上限。” 这句话在电子健康记录（EHR）分析中尤其真实。MIMIC-IV 提供了数万条 ICU 停留记录，但原始表格中的一行行时间戳测量值，如果不经过精心的特征工程，就无法转化为模型能够学习的知识。

一个好的 EHR 特征工程流水线，应当做到以下三点：

1. 信息保真：尽可能保留临床相关信号，包括极端值、变化趋势和缺失模式。
2. 时间安全：防止未来信息泄漏到特征中，确保预测时点之前的可用数据才是合法的。
3. 可解释性：特征本身应具有临床可读性（如“入 ICU 24h 内乳酸最大值”），便于 SHAP 解释和临床沟通。

我们的项目已经通过 SQL 提取了观察窗口内的原始聚合值（如lactate_max_24h、hr_mean_24h），现在需要在此基础上进行二次加工：衍生比率、评分、类别