arXiv cs.AI· Ziwen Kan, Jie Peng, Bo Yan, Davis Hobley, Zheng Zhang, Yu Tian, Tianlong Chen, Song Wang·· 3 天前AI 评分26
PatientWM：通过统一患者状态构建可泛化临床世界模型
PatientWM: Towards Generalizable Clinical World Models via Unified Patient States
AI 导读
研究者提出临床世界模型框架 PatientWM，以统一患者状态和序列化潜在历史为核心，用可用性感知编码器整合各决策时刻的观测，并用类型化解码器生成任务特定临床读数。该模型在 MIMIC-III、MIMIC-IV 及三个外部临床数据集上，于临床预测、多步预测和动作规划评估中表现更优，迁移实验进一步验证其患者状态的可泛化性。
正文 · AI 翻译
摘要：临床决策取决于预测患者病情在治疗方案调整和新证据出现时将如何演变。现有的医学世界模型能够捕捉患者状态的演变，但往往围绕特定模态或任务来定义演变中的状态，从而在输入或预测目标变化时限制了复用。这些模型还通过观测序列或循环/潜在摘要来保留历史，而不是将先前的患者状态和临床行动作为有序的转移上下文暴露出来。这一区别很重要，因为相似的当前测量值可能对应着不同的近期变化、治疗暴露和观察到的反应。为解决这些局限，我们提出了 PatientWM，一个围绕统一患者状态和序列潜在历史构建的临床世界模型框架。可用性感知编码器将每个决策时刻可获得的观测整合到患者状态中，而类型化解码器则产生任务特定的临床读数，而不围绕任何单一目标来定义状态。PatientWM 进一步将每个下一状态预测条件化于当前状态和所提供的行动，以及一个有界、有序的先前潜在患者状态和临床行动的历史，从而保留近期治疗和反应上下文。在 MIMIC-III、MIMIC-IV 和三个外部临床数据集上的实验表明，其在临床预测、多步预测和行动规划评估中具有优越性能。迁移实验进一步证明了 PatientWM 患者状态的泛化能力。总之，这些结果确立了其预测临床演变并支持规划的能力。
| 评论： | 30 页，6 幅图，14 张表 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.17059 [cs.AI] |
| （或 arXiv:2610.17059v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17059 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ziwen Kan [查看电子邮件]
[v1]
2026 年 10 月 12 日星期一 16:26:46 UTC（1,490 KB）
来源：arXiv cs.AI · arxiv.org