arXiv · ML· Simon A. Lee, Jiahang Hank Sha, Soomin Chung, Kai Akamatsu, Eran Halperin, Jeffrey N. Chiang·· 6 小时前AI 评分25
EHR WM：基于动作条件世界模型的电子健康记录患者轨迹预测
Forecasting Patient Trajectories from the Electronic Health Records with Action-Conditioned World Models
AI 导读
EHR WM 提出一种动作条件潜变量世界模型，用于预测电子健康记录中的患者轨迹，参数量比大型 EHR 基础模型小 30 倍。 模型通过状态-动作条件转移算子分离患者状态与临床动作，支持时间分辨预测与多步 rollout，在二分类和生存时间任务中展现出与大型模型相当的竞争力。 研究证实该框架是学习患者纵向演变显式时间索引表示的互补方法。
来源：arXiv · ML · arxiv.org