arXiv cs.AI· Xike Xie, Yu Li, Weizhong Yang, Amalie Dyda, Shaohua Kevin Zhou·· 10 小时前AI 评分22
从预测到行动：面向数字医学的人群健康世界模型（PHWM）
From Prediction to Action: Population Health World Model for Digital Medicine
AI 导读
研究者提出人群健康世界模型（PHWM），将健康状态、个体轨迹、人群动态、干预措施、资源约束与反馈耦合建模，推动数字医学从任务特定的预测转向行动导向。该框架针对动态健康状态建模、人群级干预智能、以及面向行动的验证、公平与治理三个结构性缺口，提出动作依赖观测下的表征学习、多尺度干预智能和带明确决策边界的验证三项最小能力。
正文 · AI 翻译
摘要：数字医学如今通过电子健康记录、理赔数据、远程监测、可穿戴设备、移动设备、社会感知数据、医学影像等，采集能够追踪个体健康轨迹并揭示人群健康动态的数据。但其建模在很大程度上仍以任务特定、结果特定和预测特定的估计为中心。下一个前沿不只是更好的预测，而是在一个由多方决策者、异质人群、资源约束和照护服务反馈共同塑造、不断演变的健康世界中采取行动。这正是数字医学如今需要世界模型的原因：不仅要估计将会发生什么，还要表征行动如何改变接下来可能发生什么——优先关注谁、如何分配稀缺资源、如何针对不同亚群调整照护，以及干预如何重塑未来的健康轨迹和人群动态。
我们将此类模型称为人群健康世界模型（PHWM）：它是对不断演变的健康世界更为基础性的表征，其中健康状态、个体轨迹、人群健康动态、干预、约束和反馈内在耦合。构建 PHWM 可弥补当前数字医学中三个尚未解决的结构性缺口：动态健康状态建模、人群层面的干预智能，以及面向行动导向用途的验证、公平性与治理。我们认为，弥补这些缺口需要三项最低限度的能力：动作依赖观测下的表征学习、多尺度干预智能，以及具有明确决策边界的验证，同时强调社会、情境和公共卫生感知数据对行动导向数字医学的重要性。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.24662 [cs.AI] |
| （或 arXiv:2610.24662v2 [cs.AI] 为本版本） | |
| https://doi.org/10.48550/arXiv.2610.24662 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Xike Xie [查看邮箱]
[v1]
2026年10月17日星期六 12:34:53 UTC（1,332 KB）
[v2]
2026年10月30日星期五 01:34:54 UTC（1,332 KB）
来源：arXiv cs.AI · arxiv.org