ChronoMedicalWorld: Modello AI Prevede le Traiettorie dei Pazienti dai Dati EHR

Un nuovo framework chiamato ChronoMedicalWorld Model (CMWM) è stato introdotto dai ricercatori per analizzare le traiettorie dei pazienti utilizzando dati di cura longitudinali. Questo modello integra un codificatore di stato a embedding congiunto con un codificatore di azione completo che incorpora sia indicatori di intervento strutturati sia embedding da comunicazioni in testo libero. Impiega un modulo di transizione latente ricorrente, guidato da un obiettivo a sei termini che include la supervisione della prossima osservazione, la previsione del prossimo stato latente, la regolarizzazione SIGReg e tre prior di forma fisiologicamente consapevoli (pendenza, continuità, penalità per grandi salti). Inoltre, un protocollo closed-loop rollout-prefix allinea le traiettorie. CMWM mira a migliorare le simulazioni cliniche a lungo termine per la gestione delle malattie croniche, affrontando le limitazioni degli attuali modelli EHR e dei LLM di uso generale. La ricerca è pubblicata su arXiv con l'identificatore 2605.21963.