近日，人工智能国际顶级会议ICML2026公布录用结果，我校刘向荣教授课题组的研究成果《PathwayLLM: Explainable Clinical Trajectory Modeling with Structured Pathways for Sepsis Prediction》被录用。

脓毒症是 ICU 中死亡率最高的临床综合征之一，早期、准确且具有可解释性的风险预测对临床决策至关重要。然而，现有方法难以同时兼顾时间动态建模、群体层面知识结构与机制层面的可解释性。针对这一挑战，论文提出了 PathwayLLM 框架，用于 ICU 患者脓毒症的可解释轨迹预测。PathwayLLM 采用三阶段架构，通过对患者观察窗口进行多视角结构化编码，并将其作为证据输入大语言模型进行协同推理，最终输出患者级风险评分与临床可读的解释文本。

实验结果表明，PathwayLLM 在多个公开重症医学数据集上均较现有方法取得了稳定的性能提升，并具备良好的跨中心迁移能力；临床专家评估亦表明，模型生成的解释文本具有较好的可读性和可操作性。该工作为重症患者脓毒症的早期预测提供了一条高效、可解释、证据可溯源的新路径，也为后续可信临床 AI 系统的发展奠定了基础。

本次会议一共收到 23,918 篇投稿，最终接收 6,352 篇，接收率为 26.6%。ICML 与 NeurIPS、ICLR 并列为机器学习与人工智能领域三大顶级国际学术会议，被列入中国计算机学会（CCF）推荐 A 类会议，厦门大学A类学术刊物和会议。健康医疗大数据国家研究院 2021 级博士生俞正秋为论文第一作者，刘向荣教授为通讯作者。