近日，我校附属第二医院输血科主任、血栓与止血研究中心负责人赖冬教授团队在国际顶级数字医学期刊 《npj Digital Medicine》（Nature Portfolio旗下，中国科学院1区，影响因子18）上发表原创研究论文——“A distributional reinforcement learning model for temporal coagulation balance evaluation and state-guided supportive suggestions”。该研究由厦门医学院附属第二医院牵头，联合华侨大学、集美大学、厦门大学等多所高校协同完成，附属第二医院输血科王玮玮为第一作者，赖冬与王玮玮为共同通讯作者。

《npj Digital Medicine》期刊论文

突破传统二元框架，破解凝血动态演变临床难题

重症凝血功能障碍绝非简单的“高凝”或“低凝”状态所能概括，而是一种在炎症风暴与内皮损伤双重驱动下、凝血酶爆发与抗凝血酶耗竭交替进行的全谱系动态紊乱。临床上，微血栓沉积与凝血底物枯竭常相互叠加，导致“出血-血栓”表型在短时间内快速转换甚至共存，传统静态指标（如D-二聚体、PT、APTT、纤维蛋白原）难以捕捉其演变轨迹，更无法提供精准的干预时机依据。针对这一长期悬而未决的临床痛点，团队创新性地提出 ACRLA模型（Adaptive Coagulopathy RL with BiLSTM-Attention）——一个基于分布强化学习的动态凝血管理AI框架，首次实现从“静态评估”向“时序预测与策略推荐”的跃升。

基于深度强化学习的动态凝血管理系统

AI驱动精准决策，模型兼具高性能与临床可解释性

研究基于2537例重症患者的10851份纵向记录，系统训练并验证了该模型的预测与决策能力。结果显示，ACRLA模型在测试集中获得正向累积奖励均值达1.317，其评估结果与临床专家判定的凝血表型高度一致，验证了其在复杂临床情境中的可靠性与适配性。更具转化价值的是，模型通过特征重要性分析揭示，D-二聚体与血小板计数是驱动判断的核心指标，而模型推荐的干预策略与现行临床指南的推荐层级高度契合，极大提升了临床医生对AI输出结果的信任度。这不仅为重症凝血病提供了可解释、可追溯、可推广的数据驱动决策工具，更标志着凝血管理正从经验驱动走向智能辅助的精准医学新时代。

深耕医工融合，持续推动血栓与止血领域临床转化

赖冬教授团队长期围绕血栓与止血性疾病的实验室检测及临床应用开展系统性研究，在AI辅助诊疗系统研发、凝血机制解析与成果转化方面积淀深厚。此次发表Nature子刊论文，不仅彰显了团队在医工交叉领域的国际竞争力，也为重症凝血病个体化、时序化管理提供了具有里程碑意义的创新路径，预期将在ICU、围术期管理及急救医学中产生深远临床影响。

血栓与止血研究中心赖冬教授团队

赖冬教授专题报告