临床恶化表现为耦合的、部分观测的多变量生理轨迹，而非单一诊断标签。我们提出 PGP-Clinical-TimeKAN，一个以轨迹为首的框架，用于多变量生理的联合概率预测。模型核心包括对缺失敏感的时间编码器、软器官系统先验、患者特定关系、非线性 Kolmogorov‑Arnold 消息以及低秩多元 Student‑t 输出层。我们在冻结的 MIMIC‑IV 派生数据集上进行评估，数据集包含 6,882 名患者、54,694 个窗口，使用 24 小时历史预测 6 小时后状态。跨五个随机种子和 13 种模型配置，PGP-Clinical-TimeKAN 获得第二低的归一化 MAE 为 0.37727±0.00029，最低的 RMSE 为 0.52656±0.00034。相较于确定性 TimeKAN，MAE 下降 0.52%。在概率预测方面，负对数似然为 0.66380，CRPS 为 0.27301。经验覆盖率在名义 50%、80%、95% 区间分别为 0.533、0.831、0.958。去除关系结构导致最大性能下降。提升协方差秩提升联合似然，但对点预测精度影响有限。基于轨迹的风险评分仍弱于专用 GRU‑D 分类器（AUROC 0.603 对 0.650），限制了临床应用的声明。因而，联合轨迹预测提供了可检查的中间任务，但仅靠生理预测并不足以保证校准的事件检测器。
点评