医疗时序数据预测这件事我前前后后做过几个相关项目之后最大的感受就是准确率当然要追但“稳”才是真正决定方案能不能上线的硬指标。心率监护曲线、ICU床位占用、药品库存波动这些数据一旦预测结果忽高忽低压根没法交给临床或后勤去用。Kats是我在对比过一堆时间序列工具之后觉得在医疗时序上最顺手的一个。Kats是某海外大厂开源的时间序列分析全家桶把预测、异常检测、特征提取、回测评估都统一到了一套API里。跟自己去拼statsmodels、Prophet、sklearn那套流程相比Kats最大的价值不是某个模型多强而是“同一份数据、同一个接口可以把一整个候选模型池都跑一遍还能用一致的回测口径去比较”这对医疗场景太重要了——因为医疗时序往往数据量不大、噪声又高你需要在不同模型之间快速试错找到那个稳定能用的而不是追求最花哨的。这篇就围绕我用Kats处理医疗时序数据的完整过程来讲从数据预处理的坑到模型选型的思路到回测评估怎么做得严谨再到实际踩过的几个坑。适合手里有医疗或健康相关的时序数据、想快速做出可靠预测方案的朋友也适合想入门Kats、但不想只看官方文档干巴巴例子的读者。1. 医疗时序的“不好惹”和Kats的应对思路1.1 医疗序列到底难在哪医疗时序数据跟电商销量、服务器负载这类序列有个本质区别它背后是生理系统或医疗系统动态行为受大量不可控因素支配。先说噪声。ICU里一条心率曲线病人翻个身、咳嗽一下、护士调个输液速度曲线立刻给你蹦几个尖峰。这些尖峰从算法角度看是“异常”但从临床看可能只是正常操作你既不能一刀切删掉也不能让模型去硬拟合。再说非平稳。医疗序列很少安安分分待在均值附近。病情恶化时血压可能一路下行术后恢复期各项指标又会有个缓慢抬升的趋势到了深夜心率整体往下走凌晨三四点最低这又是节律性的成分。趋势、周期、突变揉在一起线性模型经常招架不住。还有一个很现实的约束——数据量。一个病人住几天院能用的干净数据可能只有几百个点几十个病人攒在一起结构又因人而异没法直接拼成一个大训练集。深度学习方法在这种量级下基本发挥不出来传统统计模型和轻量级机器学习反而更稳。最后是“可解释性”压力。临床或运营人员拿到预测结果第一反应永远是“为什么”。你说一个黑盒模型给了个预测值对方不敢用的。Kats全家桶里主力还是ARIMA、Prophet、Theta这类有明确结构和参数的模型预测完之后你能说出是趋势主导还是周期主导这在医疗场景里是刚需。1.2 Kats对这些难题的回应Kats的核心不是某个模型而是一套工具体系。首先所有数据进来先要做成TimeSeriesData对象这个对象强制你规范时间和数值两列从源头上解决“导入数据乱七八糟”的问题。其次Kats把大量经典模型封装出统一接口fit()训练、predict(stepsn)预测、plot()可视化。这意味着你可以在同一份数据上几分钟内把ARIMA、Prophet、Theta、STLF甚至集成模型全部跑一遍不用给每个模型单独写一套调用逻辑。第三是回测能力。BackTester可以模拟滚动预测场景每次用过去一段窗口训练预测未来若干步然后滚动下一步。这在医疗时序里尤其关键因为很多医疗预测任务本质上就是“滚动预报”——比如每个小时更新一次未来24小时的心率趋势。用回测得到的误差指标比单次划分训练/测试集更接近真实上线表现。最后Kats还提供了异常检测模块比如CUSUM检测器、离群点检测器。这在医疗数据清洗阶段非常有用先用无监督方法找出可疑片段再结合临床规则人工审查比纯靠阈值卡数据高效得多。所以选择Kats不是因为它能把某个模型做到90分而是它把“试错、验证、上线”的整个循环帮你简化了这对医疗这种要求稳扎稳打的场景价值远大于某个模型单点的精度提升。2. 预处理做不对预测全白费很多人在Kats上报错、结果离谱最后发现都是数据预处理没做好。医疗数据尤其明显这一环节往往要占整个项目50%以上的时间。2.1 时间戳统一与重采样先让数据“等间隔”Kats对数据的第一个要求就是等间隔时间序列。但医疗系统导出的数据往往不是等间隔的心电监护仪理论上5分钟一个点实际可能因为网络、设备缓冲出现3分钟、7分钟交错的间隔HIS系统导出的床位记录可能白天密集、夜间稀疏。解决办法是先转成Pandas的DatetimeIndex然后按目标频率重采样比如统一为5min或1h。重采样时注意聚合方式——心率、血压这类生理量用均值计数类数据比如某时段就诊人数用求和采样率下降时可以直接取最后一个观测值。import pandas as pd TZ Asia/Shanghai # 按医院实际时区替换 df[time] pd.to_datetime(df[time], unitms) # 统一时区否则模型预测出来的“凌晨低谷”可能出现在错误时刻 df[time] df[time].dt.tz_localize(UTC).dt.tz_convert(TZ).dt.tz_localize(None) df df.set_index(time) # 重采样到5分钟数值列取均值 df_resampled df[value].resample(5min).mean()时区这个坑我在实际项目中栽过。某次做跨院数据对比一部分设备时间戳是UTC一部分是本地时间没统一就扔进Kats结果模型预测出来的“凌晨低谷”出现在早上闹出笑话。所以重采样前一定先把时区对齐再检查一下序列的时间范围是否符合预期。2.2 缺失值策略不是填完就完事医疗数据缺值是常态。设备离线、护士摘掉传感器、患者外出检查都会产生空洞。常见的缺失值处理有前向填充、线性插值、移动平均。我的经验是短于5分钟的缺口直接前向填充不会引入明显偏差。5到30分钟的缺口用线性插值注意两端不要出现断崖。超过30分钟甚至1小时的大缺口不建议硬填直接把这个区间拆掉或者单独标记成“非连续段”。为什么不能一味填充因为长时间缺失往往意味着“那段时间发生了特殊事件”——比如患者转科、设备故障。这时候填出来的数据是假的模型学到的是虚幻的平稳上线遇到真缺口就会露馅。# 5分钟粒度下最多前向填充1个点约5分钟 df_ffill df_resampled.ffill(limit1) # 或者用线性插值限制最大连续插值数量 df_interp df_resampled.interpolate(methodlinear, limit6)一个更稳的做法是给每条数据打上“填充标签”建模时当作辅助信息或者至少做敏感性分析分别用填充和不填充的数据训练看结果差异大不大。如果差异大说明模型对缺失很敏感那就得考虑分段建模而不是依赖填充。2.3 异常值清洗临床阈值与统计方法双管齐下生理信号异常值处理原则跟普通业务数据不一样。心率30到200之间有临床意义超出这个范围大概率是传感器脱落或干扰直接剔除是安全的。但在这个范围内有些值虽然统计上“异常”比如心率从80突然掉到45可能恰恰是病情变化不能随便剔除。所以我的清洗策略是分层。第一层硬阈值过滤。心率小于30或大于200、血氧饱和度小于50这类超出生理极限的值直接置为缺失再走缺失值流程。第二层局部突变识别。用滑动窗口计算中位数和MAD绝对中位差把偏离中位数超过3倍MAD的点标记出来人工复核。相比Z-scoreMAD对异常值本身不敏感更适合生理信号这种本身就带尖峰的数据。import numpy as np def mad_filter(series, window24, n_sig3.0): roll_median series.rolling(window, centerTrue).median() roll_mad (series - roll_median).abs().rolling(window, centerTrue).median() return series[(series - roll_median).abs() n_sig * 1.4826 * roll_mad]注意这里1.4826是把MAD换算到标准差的常数适用于正态分布假设。窗口头尾会出现NaN会被自然过滤掉在短片段里可能浪费数据可以配合边界填充使用。清洗不是越猛越好。你把所有看着不顺眼的点都删掉序列是会变得“好看”但预测模型对正常波动的敏感度也丢了临床场景尤其忌讳这种过度平滑。我的原则是只处理能明确归因于干扰的点正常范围内的波动一律保留。3. 模型选型Kats全家桶里谁最适合上预处理完了到选模型环节。Kats里模型一堆但医疗场景我用的最多的其实就是ARIMA、Prophet、Theta、Holt-Winters偶尔用一下Ensemble。3.1 为什么我不一上来就搞深度学习很多初学者觉得时序预测难度高就想上LSTM、Transformer。但医疗时序普遍数据量小、信噪比低、非平稳性强深度学习模型很容易在训练集上“背答案”验证集上崩溃。加上Kats对这类模型的接入相对简单但它强在传统模型的系统封装。对绝大多数医疗预测任务一个调好参数的ARIMA或Prophet已经能覆盖需求而且出问题好排查。深度学习在医疗时序不是没用而是应用场景更多在“多变量、多序列联合建模”这种大工程上——比如同时输入十几个生命体征预测脓毒症风险。这种是另一个层级的事跟单序列稳步预测的目标不一样。做Kats这种单序列或低维预测经典模型是性价比之选。3.2 几个模型的选型对照模型最适合的场景医疗场景典型用途主要弱点ARIMA差分后近似平稳的序列床位占用率、设备使用量对突变和长周期适应差Prophet有明显周期和节假日的序列药品需求、门诊量、日周期生命体征序列太短或太长时表现不稳Theta小样本快速基线任意任务的第一个baseline模型简单复杂模式学不全面Holt-Winters趋势加季节性叠加的序列血库库存、耗材月消耗参数敏感需要手动调Ensemble不确定选谁时兜底生产环境多模型加权训练时间翻倍解释性下降对单变量医疗时序我常用的组合是先用Theta跑一遍baseline然后ARIMA和Prophet都跑加一个Ensemble兜底最后在回测上比较SMAPE和MAE选最优。3.3 参数怎么定ARIMA的p、d、q可以用Kats提供的一些搜索思路或者直接用pmdarima这类工具的auto_arima跑一遍作为参考。比如某次我做心率预测auto_arima给出的建议是ARIMA(2,1,2)d1表示做了一阶差分因为心率原始序列不平稳p和q都不大符合“健康”的简约模型原则。Prophet里我最常调的两个参数是seasonality_mode和changepoint_prior_scale。医疗数据的季节性一般是加法而不是乘法——凌晨心率不会因为整体水平高就成比例地波动所以additive比较合理。changepoint_prior_scale控制趋势突变点的灵活性默认0.05如果预测曲线过于僵硬或者过于扭曲可以适当往0.01或0.1方向调。别迷信auto_arima或默认参数。模型这玩意参数要放在你的具体任务里看结果。我的习惯是固定训练集先粗跑一遍看预测曲线是否平滑、是否滞后、是否出现极端值再针对性调参而不是一上来就追求数字最优。4. 实操从原始数据到回测评估一条龙下面拿一个具体例子走完整流程场景是“某医院心血管病区用过去72小时的心率数据滚动预测未来6小时的心率走势”。这个需求很典型——心电监护数据密集、噪声大、有昼夜节律非常适合演示Kats的操作。4.1 整理数据并构造TimeSeriesData原始数据可能是设备导出的csv列名乱七八糟。第一步先规整成两列time和value。然后构造Kats的时间序列对象。import numpy as np import pandas as pd from kats.consts import TimeSeriesData np.random.seed(42) n 24 * 7 # 7天每小时一个点 time pd.date_range(2024-03-01, periodsn, freqh) # 模拟带日周期和缓慢趋势的心率数据 trend np.linspace(80, 76, n) cyclic 8 * np.sin(2 * np.pi * np.arange(n) / 24) noise np.random.normal(0, 3, n) value trend cyclic noise df pd.DataFrame({time: time, value: value}) ts_data TimeSeriesData(timedf[time], valuedf[value])真实场景中这一部分就是预处理环节的落地。构造完成后可以用ts_data.plot()看一眼数据长什么样确认没有明显的断档和尖刺再进入训练。这里有个细节TimeSeriesData内部会检查时间是否有重复、是否为空值。如果报错多半是前面预处理没做干净回到第2步排查不要强行灌进去。4.2 模型训练与预测的完整代码以ARIMA为例from kats.models.arima import ARIMAModel, ARIMAParams params ARIMAParams(p2, d1, q2) model ARIMAModel(datats_data, paramsparams) model.fit() fcst model.predict(steps6, alpha0.05)predict返回的DataFrame包含fcst列和置信区间上下界。医疗场景里置信区间比点预测更重要。心率预测的均值是76但如果95%区间是60到92那临床看到的信号差不多是“范围很宽别太当真”如果区间是74到78说明模型对当前状态比较确定可以做下一步决策。Prophet的写法也差不多from kats.models.prophet import ProphetModel, ProphetParams params ProphetParams(seasonality_modeadditive, interval_width0.95) model ProphetModel(datats_data, paramsparams) model.fit() fcst model.predict(steps6)注意Prophet的训练比ARIMA慢数据太长时先降采样或限制训练窗口。对于心率预测这种连续滚动更新的场景我一般只用最近72小时的数据训练更早的数据对当前状态帮助有限反而拖慢速度。Ensemble用法from kats.models.ensemble import EnsembleParams, EnsembleModel from kats.models.theta import ThetaModel, ThetaParams params EnsembleParams([ {model: ARIMAModel, params: ARIMAParams(p2, d1, q2)}, {model: ProphetModel, params: ProphetParams(seasonality_modeadditive)}, {model: ThetaModel, params: ThetaParams(m24)}, ]) model EnsembleModel(datats_data, paramsparams) model.fit() fcst model.predict(steps6)m24是因为我们用小时数据日周期对应24个点。这个参数经常被忽略直接导致Theta模型感知不到日周期。Ensemble的好处是即使某个基模型拉胯加权之后整体也不太会崩适合做生产环境的兜底方案。4.3 用BackTester做滚动回测单次划分训练集、测试集验证对医疗时序来说不够。因为医疗预测是持续滚动进行的你需要知道模型在连续多轮预测中的稳定性。Kats的BackTester正是干这个的。from kats.backtesting import BackTester bt BackTester( datats_data, model_classARIMAModel, paramsARIMAParams(p2, d1, q2), error_metrics[smape, mae, mse], steps6, ) bt.run() bt.plot()回测思路是从序列的某个位置开始每轮用train_percentage或window_length指定的窗口训练预测未来steps步然后窗口滑动重复多次。最后得到每一步的误差分布而不是单个误差值。我看到很多入门者只报一个平均SMAPE这是不够的。医疗场景里我还会额外看两个东西误差的逐段分布。如果误差在凌晨时段明显高于白天说明模型对夜间节律把握不好需要单独调或引入光照、活动这类外生变量。极端误差尾部。平均误差5%但如果偶尔来一次30%的偏差上线后就会造成一次不小的误报。我会统计误差超过某个阈值比如心率预测偏差大于10次/分的比例确保它在可控范围。用回测去比较ARIMA和Prophet比各跑一次预测然后看谁“更像真的”靠谱得多因为回测模拟了上线后的滚动更新机制样本量是若干个预测轮次统计上更可信。4.4 评估指标怎么选Kats的error_metrics支持smape、mae、mse、rmse等。医疗时序评估我建议至少同时看SMAPE和MAE有条件再加一个自定义的临床误差指标。SMAPE的优势是对称、无量纲适合比较不同量级的数据比如心率和血压。但也有人指出SMAPE在真实值为0时无定义好在医疗数据极少为0可放心用。MAE则是绝对误差可以直接和临床可接受范围对照。比如心率预测MAE是3次/分那基本在可接受范围内如果是15次/分这个预测基本没法用于告警决策就得重新建模。我自己在后端评估时还会算一个P95误差把每轮回测的绝对误差排序取95分位。这个指标能告诉你最坏情况有多差比平均值更能暴露模型的脆弱点。5. 实踩过的坑与排查经验最后这块我把几个高频问题整理出来基本覆盖了用Kats做医疗时序预测时最常见的翻车点。5.1 数据太短模型训不动Kats里ARIMA这类模型对序列长度有要求。我遇到过拿两天数据就想去预测未来24小时的情况结果模型fit半天预测出来基本是一条水平线。因为两天数据连一个完整的日周期都覆盖不住模型压根学不到节律。处理办法数据长度至少是预测长度的3倍以上最好是5到10倍。如果历史数据确实有限就缩短预测步长从24小时改成6小时再看。模型选型也跟着变Theta这种参数少的模型在小样本下更稳ARIMA其次Prophet很吃数据量。5.2 预测曲线“无脑平移”滞后严重这是非常常见的现象预测值约等于最后一个观测值往未来平推曲线一点变化都没有。医学上这叫“预测退化成last observation carried forward”。出现这种情况通常意味着这个序列接近随机游走或者模型的差分、趋势设置有问题。排查路径先ADF检验看平稳性。如果p值显著大于0.05说明序列不平稳ARIMA需要提高差分阶数。看ACF图若自相关衰减缓慢说明趋势成分没提取干净。也检查一下是不是清洗过度把有效波动都抹平了。解决思路包括换成能显式建模趋势的Prophet或者在预处理阶段先做一次趋势提取比如去掉滑动均值对残差建模再加回趋势。5.3 回测指标不错上线就不行这是“分布偏移”的经典症状。医疗数据在不同时段、不同病区可能有完全不同的统计特征。模型在3月份数据上回测得很好4月份上线就飘了大概率是4月份病人构成变了、用药方案变了、监测设备换了导致序列分布整体偏移。我的做法是在部署前做“时段外回测”只用更早的数据训练预测最近一段时期的数据专门验证模型在未知时段的表现。另外监控数据分布漂移也很重要——如果上线后输入数据的均值、方差跟训练时明显不同就不要迷信模型的预测结果先重建再上线。5.4 长序列下训练特别慢Kats封装了ProphetProphet本来就不擅长超长序列。有次我拿半年逐分钟的ICU数据近26万个点直接训练Prophetfit一步跑了十几分钟还没结束。后来把数据先重采样成5分钟又限制了训练窗口长度只取最近14天速度立刻上来了预测精度几乎没掉。经验是医疗时序做预测不一定要“全部历史数据都用上”。很多任务最近几周的窗口就够。重采样是降维的利器5分钟粒度对大多数临床应用足够。Ensemble里塞太多慢模型回测总时长会爆炸我的做法是先跑单个模型筛选出两三个表现最好的再做Ensemble。下面把问题整理成一张速查表方便后续排查对照现象可能原因排查方向解决方案fit不收敛或报错数据存在缺失或时间戳重复检查TimeSeriesData前处理回到第2节做重采样和缺失清洗预测是一条水平线序列太短、模型太弱、差分不当ADF检验、看数据长度缩短步长、换Theta/Prophet、加差分处理预测滞后半个周期季节项没调对检查周期参数m或seasonality_mode调整Prophet季节类型、检查重采样粒度回测好但上线崩数据分布偏移时段外回测、监控均值方差定期重建模型、缩小训练窗口训练速度极慢序列过长或模型复杂查看数据点数和基模型数量重采样、截断训练窗口、减少Ensemble基数我个人的体会是Kats在医疗时序上最大的价值不是“某个模型巧夺天工”而是它把“快速试错、严格回测、稳定上线”这整套流程变得可复制。反复踩坑之后我现在做任何医疗时序预测项目都固定走同一套模板先花大力气把数据清洗和重采样做扎实然后用基线模型确认量级再用回测对比候选模型最后单独测试最坏情况误差是否可接受。这四步走完模型基本不会在真实场景里给你“惊喜”。最后再分享一个小技巧如果护理人员或临床医生质疑预测结果别急着调模型先画图让他们标一标“哪些时段他们本来就是有把握的”。你会发现模型和人的判断差距往往不在算法而在数据预处理阶段丢失的护理记录、用药事件这些上下文信息。把事件标记加进模型流程比换任何高级模型都管用。 
长河君 · 2026/10/20 5:41:22 · 阅读 1.2k 医疗时序预测为何要稳？用Kats实现可靠的心率与床位趋势分析
医疗时序数据预测这件事我前前后后做过几个相关项目之后最大的感受就是准确率当然要追但“稳”才是真正决定方案能不能上线的硬指标。心率监护曲线、ICU床位占用、药品库存波动这些数据一旦预测结果忽高忽低压根没法交给临床或后勤去用。Kats是我在对比过一堆时间序列工具之后觉得在医疗时序上最顺手的一个。Kats是某海外大厂开源的时间序列分析全家桶把预测、异常检测、特征提取、回测评估都统一到了一套API里。跟自己去拼statsmodels、Prophet、sklearn那套流程相比Kats最大的价值不是某个模型多强而是“同一份数据、同一个接口可以把一整个候选模型池都跑一遍还能用一致的回测口径去比较”这对医疗场景太重要了——因为医疗时序往往数据量不大、噪声又高你需要在不同模型之间快速试错找到那个稳定能用的而不是追求最花哨的。这篇就围绕我用Kats处理医疗时序数据的完整过程来讲从数据预处理的坑到模型选型的思路到回测评估怎么做得严谨再到实际踩过的几个坑。适合手里有医疗或健康相关的时序数据、想快速做出可靠预测方案的朋友也适合想入门Kats、但不想只看官方文档干巴巴例子的读者。1. 医疗时序的“不好惹”和Kats的应对思路1.1 医疗序列到底难在哪医疗时序数据跟电商销量、服务器负载这类序列有个本质区别它背后是生理系统或医疗系统动态行为受大量不可控因素支配。先说噪声。ICU里一条心率曲线病人翻个身、咳嗽一下、护士调个输液速度曲线立刻给你蹦几个尖峰。这些尖峰从算法角度看是“异常”但从临床看可能只是正常操作你既不能一刀切删掉也不能让模型去硬拟合。再说非平稳。医疗序列很少安安分分待在均值附近。病情恶化时血压可能一路下行术后恢复期各项指标又会有个缓慢抬升的趋势到了深夜心率整体往下走凌晨三四点最低这又是节律性的成分。趋势、周期、突变揉在一起线性模型经常招架不住。还有一个很现实的约束——数据量。一个病人住几天院能用的干净数据可能只有几百个点几十个病人攒在一起结构又因人而异没法直接拼成一个大训练集。深度学习方法在这种量级下基本发挥不出来传统统计模型和轻量级机器学习反而更稳。最后是“可解释性”压力。临床或运营人员拿到预测结果第一反应永远是“为什么”。你说一个黑盒模型给了个预测值对方不敢用的。Kats全家桶里主力还是ARIMA、Prophet、Theta这类有明确结构和参数的模型预测完之后你能说出是趋势主导还是周期主导这在医疗场景里是刚需。1.2 Kats对这些难题的回应Kats的核心不是某个模型而是一套工具体系。首先所有数据进来先要做成TimeSeriesData对象这个对象强制你规范时间和数值两列从源头上解决“导入数据乱七八糟”的问题。其次Kats把大量经典模型封装出统一接口fit()训练、predict(stepsn)预测、plot()可视化。这意味着你可以在同一份数据上几分钟内把ARIMA、Prophet、Theta、STLF甚至集成模型全部跑一遍不用给每个模型单独写一套调用逻辑。第三是回测能力。BackTester可以模拟滚动预测场景每次用过去一段窗口训练预测未来若干步然后滚动下一步。这在医疗时序里尤其关键因为很多医疗预测任务本质上就是“滚动预报”——比如每个小时更新一次未来24小时的心率趋势。用回测得到的误差指标比单次划分训练/测试集更接近真实上线表现。最后Kats还提供了异常检测模块比如CUSUM检测器、离群点检测器。这在医疗数据清洗阶段非常有用先用无监督方法找出可疑片段再结合临床规则人工审查比纯靠阈值卡数据高效得多。所以选择Kats不是因为它能把某个模型做到90分而是它把“试错、验证、上线”的整个循环帮你简化了这对医疗这种要求稳扎稳打的场景价值远大于某个模型单点的精度提升。2. 预处理做不对预测全白费很多人在Kats上报错、结果离谱最后发现都是数据预处理没做好。医疗数据尤其明显这一环节往往要占整个项目50%以上的时间。2.1 时间戳统一与重采样先让数据“等间隔”Kats对数据的第一个要求就是等间隔时间序列。但医疗系统导出的数据往往不是等间隔的心电监护仪理论上5分钟一个点实际可能因为网络、设备缓冲出现3分钟、7分钟交错的间隔HIS系统导出的床位记录可能白天密集、夜间稀疏。解决办法是先转成Pandas的DatetimeIndex然后按目标频率重采样比如统一为5min或1h。重采样时注意聚合方式——心率、血压这类生理量用均值计数类数据比如某时段就诊人数用求和采样率下降时可以直接取最后一个观测值。import pandas as pd TZ Asia/Shanghai # 按医院实际时区替换 df[time] pd.to_datetime(df[time], unitms) # 统一时区否则模型预测出来的“凌晨低谷”可能出现在错误时刻 df[time] df[time].dt.tz_localize(UTC).dt.tz_convert(TZ).dt.tz_localize(None) df df.set_index(time) # 重采样到5分钟数值列取均值 df_resampled df[value].resample(5min).mean()时区这个坑我在实际项目中栽过。某次做跨院数据对比一部分设备时间戳是UTC一部分是本地时间没统一就扔进Kats结果模型预测出来的“凌晨低谷”出现在早上闹出笑话。所以重采样前一定先把时区对齐再检查一下序列的时间范围是否符合预期。2.2 缺失值策略不是填完就完事医疗数据缺值是常态。设备离线、护士摘掉传感器、患者外出检查都会产生空洞。常见的缺失值处理有前向填充、线性插值、移动平均。我的经验是短于5分钟的缺口直接前向填充不会引入明显偏差。5到30分钟的缺口用线性插值注意两端不要出现断崖。超过30分钟甚至1小时的大缺口不建议硬填直接把这个区间拆掉或者单独标记成“非连续段”。为什么不能一味填充因为长时间缺失往往意味着“那段时间发生了特殊事件”——比如患者转科、设备故障。这时候填出来的数据是假的模型学到的是虚幻的平稳上线遇到真缺口就会露馅。# 5分钟粒度下最多前向填充1个点约5分钟 df_ffill df_resampled.ffill(limit1) # 或者用线性插值限制最大连续插值数量 df_interp df_resampled.interpolate(methodlinear, limit6)一个更稳的做法是给每条数据打上“填充标签”建模时当作辅助信息或者至少做敏感性分析分别用填充和不填充的数据训练看结果差异大不大。如果差异大说明模型对缺失很敏感那就得考虑分段建模而不是依赖填充。2.3 异常值清洗临床阈值与统计方法双管齐下生理信号异常值处理原则跟普通业务数据不一样。心率30到200之间有临床意义超出这个范围大概率是传感器脱落或干扰直接剔除是安全的。但在这个范围内有些值虽然统计上“异常”比如心率从80突然掉到45可能恰恰是病情变化不能随便剔除。所以我的清洗策略是分层。第一层硬阈值过滤。心率小于30或大于200、血氧饱和度小于50这类超出生理极限的值直接置为缺失再走缺失值流程。第二层局部突变识别。用滑动窗口计算中位数和MAD绝对中位差把偏离中位数超过3倍MAD的点标记出来人工复核。相比Z-scoreMAD对异常值本身不敏感更适合生理信号这种本身就带尖峰的数据。import numpy as np def mad_filter(series, window24, n_sig3.0): roll_median series.rolling(window, centerTrue).median() roll_mad (series - roll_median).abs().rolling(window, centerTrue).median() return series[(series - roll_median).abs() n_sig * 1.4826 * roll_mad]注意这里1.4826是把MAD换算到标准差的常数适用于正态分布假设。窗口头尾会出现NaN会被自然过滤掉在短片段里可能浪费数据可以配合边界填充使用。清洗不是越猛越好。你把所有看着不顺眼的点都删掉序列是会变得“好看”但预测模型对正常波动的敏感度也丢了临床场景尤其忌讳这种过度平滑。我的原则是只处理能明确归因于干扰的点正常范围内的波动一律保留。3. 模型选型Kats全家桶里谁最适合上预处理完了到选模型环节。Kats里模型一堆但医疗场景我用的最多的其实就是ARIMA、Prophet、Theta、Holt-Winters偶尔用一下Ensemble。3.1 为什么我不一上来就搞深度学习很多初学者觉得时序预测难度高就想上LSTM、Transformer。但医疗时序普遍数据量小、信噪比低、非平稳性强深度学习模型很容易在训练集上“背答案”验证集上崩溃。加上Kats对这类模型的接入相对简单但它强在传统模型的系统封装。对绝大多数医疗预测任务一个调好参数的ARIMA或Prophet已经能覆盖需求而且出问题好排查。深度学习在医疗时序不是没用而是应用场景更多在“多变量、多序列联合建模”这种大工程上——比如同时输入十几个生命体征预测脓毒症风险。这种是另一个层级的事跟单序列稳步预测的目标不一样。做Kats这种单序列或低维预测经典模型是性价比之选。3.2 几个模型的选型对照模型最适合的场景医疗场景典型用途主要弱点ARIMA差分后近似平稳的序列床位占用率、设备使用量对突变和长周期适应差Prophet有明显周期和节假日的序列药品需求、门诊量、日周期生命体征序列太短或太长时表现不稳Theta小样本快速基线任意任务的第一个baseline模型简单复杂模式学不全面Holt-Winters趋势加季节性叠加的序列血库库存、耗材月消耗参数敏感需要手动调Ensemble不确定选谁时兜底生产环境多模型加权训练时间翻倍解释性下降对单变量医疗时序我常用的组合是先用Theta跑一遍baseline然后ARIMA和Prophet都跑加一个Ensemble兜底最后在回测上比较SMAPE和MAE选最优。3.3 参数怎么定ARIMA的p、d、q可以用Kats提供的一些搜索思路或者直接用pmdarima这类工具的auto_arima跑一遍作为参考。比如某次我做心率预测auto_arima给出的建议是ARIMA(2,1,2)d1表示做了一阶差分因为心率原始序列不平稳p和q都不大符合“健康”的简约模型原则。Prophet里我最常调的两个参数是seasonality_mode和changepoint_prior_scale。医疗数据的季节性一般是加法而不是乘法——凌晨心率不会因为整体水平高就成比例地波动所以additive比较合理。changepoint_prior_scale控制趋势突变点的灵活性默认0.05如果预测曲线过于僵硬或者过于扭曲可以适当往0.01或0.1方向调。别迷信auto_arima或默认参数。模型这玩意参数要放在你的具体任务里看结果。我的习惯是固定训练集先粗跑一遍看预测曲线是否平滑、是否滞后、是否出现极端值再针对性调参而不是一上来就追求数字最优。4. 实操从原始数据到回测评估一条龙下面拿一个具体例子走完整流程场景是“某医院心血管病区用过去72小时的心率数据滚动预测未来6小时的心率走势”。这个需求很典型——心电监护数据密集、噪声大、有昼夜节律非常适合演示Kats的操作。4.1 整理数据并构造TimeSeriesData原始数据可能是设备导出的csv列名乱七八糟。第一步先规整成两列time和value。然后构造Kats的时间序列对象。import numpy as np import pandas as pd from kats.consts import TimeSeriesData np.random.seed(42) n 24 * 7 # 7天每小时一个点 time pd.date_range(2024-03-01, periodsn, freqh) # 模拟带日周期和缓慢趋势的心率数据 trend np.linspace(80, 76, n) cyclic 8 * np.sin(2 * np.pi * np.arange(n) / 24) noise np.random.normal(0, 3, n) value trend cyclic noise df pd.DataFrame({time: time, value: value}) ts_data TimeSeriesData(timedf[time], valuedf[value])真实场景中这一部分就是预处理环节的落地。构造完成后可以用ts_data.plot()看一眼数据长什么样确认没有明显的断档和尖刺再进入训练。这里有个细节TimeSeriesData内部会检查时间是否有重复、是否为空值。如果报错多半是前面预处理没做干净回到第2步排查不要强行灌进去。4.2 模型训练与预测的完整代码以ARIMA为例from kats.models.arima import ARIMAModel, ARIMAParams params ARIMAParams(p2, d1, q2) model ARIMAModel(datats_data, paramsparams) model.fit() fcst model.predict(steps6, alpha0.05)predict返回的DataFrame包含fcst列和置信区间上下界。医疗场景里置信区间比点预测更重要。心率预测的均值是76但如果95%区间是60到92那临床看到的信号差不多是“范围很宽别太当真”如果区间是74到78说明模型对当前状态比较确定可以做下一步决策。Prophet的写法也差不多from kats.models.prophet import ProphetModel, ProphetParams params ProphetParams(seasonality_modeadditive, interval_width0.95) model ProphetModel(datats_data, paramsparams) model.fit() fcst model.predict(steps6)注意Prophet的训练比ARIMA慢数据太长时先降采样或限制训练窗口。对于心率预测这种连续滚动更新的场景我一般只用最近72小时的数据训练更早的数据对当前状态帮助有限反而拖慢速度。Ensemble用法from kats.models.ensemble import EnsembleParams, EnsembleModel from kats.models.theta import ThetaModel, ThetaParams params EnsembleParams([ {model: ARIMAModel, params: ARIMAParams(p2, d1, q2)}, {model: ProphetModel, params: ProphetParams(seasonality_modeadditive)}, {model: ThetaModel, params: ThetaParams(m24)}, ]) model EnsembleModel(datats_data, paramsparams) model.fit() fcst model.predict(steps6)m24是因为我们用小时数据日周期对应24个点。这个参数经常被忽略直接导致Theta模型感知不到日周期。Ensemble的好处是即使某个基模型拉胯加权之后整体也不太会崩适合做生产环境的兜底方案。4.3 用BackTester做滚动回测单次划分训练集、测试集验证对医疗时序来说不够。因为医疗预测是持续滚动进行的你需要知道模型在连续多轮预测中的稳定性。Kats的BackTester正是干这个的。from kats.backtesting import BackTester bt BackTester( datats_data, model_classARIMAModel, paramsARIMAParams(p2, d1, q2), error_metrics[smape, mae, mse], steps6, ) bt.run() bt.plot()回测思路是从序列的某个位置开始每轮用train_percentage或window_length指定的窗口训练预测未来steps步然后窗口滑动重复多次。最后得到每一步的误差分布而不是单个误差值。我看到很多入门者只报一个平均SMAPE这是不够的。医疗场景里我还会额外看两个东西误差的逐段分布。如果误差在凌晨时段明显高于白天说明模型对夜间节律把握不好需要单独调或引入光照、活动这类外生变量。极端误差尾部。平均误差5%但如果偶尔来一次30%的偏差上线后就会造成一次不小的误报。我会统计误差超过某个阈值比如心率预测偏差大于10次/分的比例确保它在可控范围。用回测去比较ARIMA和Prophet比各跑一次预测然后看谁“更像真的”靠谱得多因为回测模拟了上线后的滚动更新机制样本量是若干个预测轮次统计上更可信。4.4 评估指标怎么选Kats的error_metrics支持smape、mae、mse、rmse等。医疗时序评估我建议至少同时看SMAPE和MAE有条件再加一个自定义的临床误差指标。SMAPE的优势是对称、无量纲适合比较不同量级的数据比如心率和血压。但也有人指出SMAPE在真实值为0时无定义好在医疗数据极少为0可放心用。MAE则是绝对误差可以直接和临床可接受范围对照。比如心率预测MAE是3次/分那基本在可接受范围内如果是15次/分这个预测基本没法用于告警决策就得重新建模。我自己在后端评估时还会算一个P95误差把每轮回测的绝对误差排序取95分位。这个指标能告诉你最坏情况有多差比平均值更能暴露模型的脆弱点。5. 实踩过的坑与排查经验最后这块我把几个高频问题整理出来基本覆盖了用Kats做医疗时序预测时最常见的翻车点。5.1 数据太短模型训不动Kats里ARIMA这类模型对序列长度有要求。我遇到过拿两天数据就想去预测未来24小时的情况结果模型fit半天预测出来基本是一条水平线。因为两天数据连一个完整的日周期都覆盖不住模型压根学不到节律。处理办法数据长度至少是预测长度的3倍以上最好是5到10倍。如果历史数据确实有限就缩短预测步长从24小时改成6小时再看。模型选型也跟着变Theta这种参数少的模型在小样本下更稳ARIMA其次Prophet很吃数据量。5.2 预测曲线“无脑平移”滞后严重这是非常常见的现象预测值约等于最后一个观测值往未来平推曲线一点变化都没有。医学上这叫“预测退化成last observation carried forward”。出现这种情况通常意味着这个序列接近随机游走或者模型的差分、趋势设置有问题。排查路径先ADF检验看平稳性。如果p值显著大于0.05说明序列不平稳ARIMA需要提高差分阶数。看ACF图若自相关衰减缓慢说明趋势成分没提取干净。也检查一下是不是清洗过度把有效波动都抹平了。解决思路包括换成能显式建模趋势的Prophet或者在预处理阶段先做一次趋势提取比如去掉滑动均值对残差建模再加回趋势。5.3 回测指标不错上线就不行这是“分布偏移”的经典症状。医疗数据在不同时段、不同病区可能有完全不同的统计特征。模型在3月份数据上回测得很好4月份上线就飘了大概率是4月份病人构成变了、用药方案变了、监测设备换了导致序列分布整体偏移。我的做法是在部署前做“时段外回测”只用更早的数据训练预测最近一段时期的数据专门验证模型在未知时段的表现。另外监控数据分布漂移也很重要——如果上线后输入数据的均值、方差跟训练时明显不同就不要迷信模型的预测结果先重建再上线。5.4 长序列下训练特别慢Kats封装了ProphetProphet本来就不擅长超长序列。有次我拿半年逐分钟的ICU数据近26万个点直接训练Prophetfit一步跑了十几分钟还没结束。后来把数据先重采样成5分钟又限制了训练窗口长度只取最近14天速度立刻上来了预测精度几乎没掉。经验是医疗时序做预测不一定要“全部历史数据都用上”。很多任务最近几周的窗口就够。重采样是降维的利器5分钟粒度对大多数临床应用足够。Ensemble里塞太多慢模型回测总时长会爆炸我的做法是先跑单个模型筛选出两三个表现最好的再做Ensemble。下面把问题整理成一张速查表方便后续排查对照现象可能原因排查方向解决方案fit不收敛或报错数据存在缺失或时间戳重复检查TimeSeriesData前处理回到第2节做重采样和缺失清洗预测是一条水平线序列太短、模型太弱、差分不当ADF检验、看数据长度缩短步长、换Theta/Prophet、加差分处理预测滞后半个周期季节项没调对检查周期参数m或seasonality_mode调整Prophet季节类型、检查重采样粒度回测好但上线崩数据分布偏移时段外回测、监控均值方差定期重建模型、缩小训练窗口训练速度极慢序列过长或模型复杂查看数据点数和基模型数量重采样、截断训练窗口、减少Ensemble基数我个人的体会是Kats在医疗时序上最大的价值不是“某个模型巧夺天工”而是它把“快速试错、严格回测、稳定上线”这整套流程变得可复制。反复踩坑之后我现在做任何医疗时序预测项目都固定走同一套模板先花大力气把数据清洗和重采样做扎实然后用基线模型确认量级再用回测对比候选模型最后单独测试最坏情况误差是否可接受。这四步走完模型基本不会在真实场景里给你“惊喜”。最后再分享一个小技巧如果护理人员或临床医生质疑预测结果别急着调模型先画图让他们标一标“哪些时段他们本来就是有把握的”。你会发现模型和人的判断差距往往不在算法而在数据预处理阶段丢失的护理记录、用药事件这些上下文信息。把事件标记加进模型流程比换任何高级模型都管用。