arXiv 机器学习· Simon A. Lee, Jiahang Hank Sha, Soomin Chung, Kai Akamatsu, Eran Halperin, Jeffrey N. Chiang·· 5 小时前AI 评分37
利用动作条件世界模型从电子健康记录预测患者轨迹
Forecasting Patient Trajectories from the Electronic Health Records with Action-Conditioned World Models
AI 导读
研究者提出一种用于电子健康记录（EHR）的预测性世界模型 EHR WM，将患者病史建模为动作条件隐空间轨迹。该框架通过状态依赖的线性化预测器分离患者状态与临床动作，支持时间分辨预测与多步推演仿真。在二分类和事件发生时间任务中，EHR WM 仅用缩小 30x 的参数规模便取得了可媲美大型 EHR 基座模型的性能。
来源：arXiv 机器学习 · arxiv.org