arXiv cs.CY· Yuxin Xiao, Sheng Zhang, Chandan Singh, Tristan Naumann, Hoifung Poon, Jianfeng Gao, Xiaodong Liu·· 10 小时前AI 评分31
用患者轨迹强化学习提升 EHR 基础模型的临床推理能力
Reinforcement Learning over Patient Trajectories for Clinical Reasoning in EHR Foundation Models
AI 导读
研究者提出一种强化学习微调框架，将 EHR 基础模型视为患者轨迹上的生成策略，把再入院等临床预测问题建模为事件条件化、限定时间窗口的推理任务，并设计时间感知、对 rollout 敏感的奖励。实验显示 RL 微调稳定优于预训练骨干和强基线，能让更小的模型在数据有限场景下追平更大的预训练模型，并实现跨任务正向迁移。
正文 · AI 翻译
摘要：基于纵向患者轨迹训练的电子健康记录（EHR）基础模型已在多种临床预测任务中展现出强劲性能。然而，其临床推理能力仍受限于在有限且不完整的 EHR 数据上进行下一词元预测。为此，我们提出一种强化学习（RL）微调框架，将 EHR 基础模型视为患者轨迹上的生成式策略。我们将常见的临床预测问题（如再入院）建模为以事件为条件、带时间窗口的推理任务。随后，我们设计了时间感知、对 rollout 敏感的奖励，以应对有限的 rollout 长度和时间上尚无定论的结果。我们发现，RL 微调始终优于预训练骨干模型和强基线。值得注意的是，它使较小的模型在数据受限的情况下能够与更大的预训练模型相媲美，并能在任务之间产生正向迁移。进一步分析表明，经 RL 微调的模型生成的轨迹在结构和语义上与真实标签的对齐更强，下游实用性也更高。
| 评论： | 已被 ML4H 2026 接收 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2609.12277 [cs.LG] |
| （或 arXiv:2609.12277v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.12277 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yuxin Xiao [查看邮箱]
[v1]
2026 年 9 月 10 日星期四 23:10:38 UTC（202 KB）
[v2]
2026 年 11 月 10 日星期二 00:24:02 UTC（199 KB）
来源：arXiv cs.CY · arxiv.org