NOAH：用生成式变换器学完整病人轨迹

医疗数字化留下长程、多模态、时间不规则的病历，现有模型多半是判别式、模态少、词表封闭，或难预报未来状态。NOAH 是时间感知、任务无关的生成式变换器，用双向时间积分与变分潜空间刻画病人状态连续演化与临床轨迹随机性。训练数据来自 MIMIC 家族：约 29.9 万患者、43.1 万次住院、逾 5.59 亿临床事件，原生处理影像、时序与数值、类别事件以及结构化与非结构化记录。摘要称可做可选时间控制的自回归预报、零样本分类与反事实干预模拟，并在临床结局、15 个 ICD 章节、29 种共病与 time-to-event 探测上表现强。数字只来自摘要；无湿实验式外部前瞻队列声明。

AI 生成