研究者提出参数量缩小30倍的EHR世界模型

2026年10月，Simon A. Lee等人在arXiv发布论文，提出一种基于动作条件世界模型的电子健康记录（EHR）患者轨迹预测方法。该模型通过状态-动作条件转移算子分离患者状态与临床动作，参数规模比大型EHR基础模型小30倍。 新模型支持时间分辨预测与多步rollout机制，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，为医疗AI提供了更轻量的预测方案。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。