从静态风险到动态轨迹：迈向世界模型启发的临床预测

# 从静态风险到动态轨迹：迈向世界模型启发的临床预测
来源：https://arxiv.org/abs/2605.16927
作者：Pujun Feng (https://arxiv.org/search/cs?searchtype=author&query=Feng,+P), Xiaoyu Guo (https://arxiv.org/search/cs?searchtype=author&query=Guo,+X), Seyed Ehsan Saffari (https://arxiv.org/search/cs?searchtype=author&query=Saffari,+S+E), Min Hun Lee (https://arxiv.org/search/cs?searchtype=author&query=Lee,+M+H), Siew\-Kei Lam (https://arxiv.org/search/cs?searchtype=author&query=Lam,+S), Erik Cambria (https://arxiv.org/search/cs?searchtype=author&query=Cambria,+E), Xibin Sun (https://arxiv.org/search/cs?searchtype=author&query=Sun,+X), Yangtao Zhou (https://arxiv.org/search/cs?searchtype=author&query=Zhou,+Y), Tong Yang (https://arxiv.org/search/cs?searchtype=author&query=Yang,+T), Xiaoyu Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+X), Tao Tan (https://arxiv.org/search/cs?searchtype=author&query=Tan,+T), Yue Sun (https://arxiv.org/search/cs?searchtype=author&query=Sun,+Y), Bin Cui (https://arxiv.org/search/cs?searchtype=author&query=Cui,+B)

查看PDF (https://arxiv.org/pdf/2605.16927)

> **摘要：**临床决策是一个反馈系统，其中风险估计影响治疗，治疗又改变疾病轨迹，而两者共同塑造临床医生的测量实践。静态预测在临床上常常失败：基于观察性诊疗日志训练的模型混淆了疾病生物学与临床医生行为，尤其是在治疗混淆反馈和不规则或信息性观测的背景下。本综述聚焦于临床AI中的干预感知疾病轨迹建模——即估计患者特异纵向疾病演进并评估不同治疗下轨迹变化的方法。我们将该领域组织为六个关联部分：三个决策任务（事实预测、反事实估计、策略评估）和三个决定可识别性的数据生成机制（疾病演进、治疗分配、观测过程）。我们首次提出一个统一框架，连接离散/连续时间下的预测、反事实轨迹和策略评估，明确处理治疗分配、时变混淆和观测偏倚。我们综合了主要方法族（多状态/联合模型、时间点过程、深度序列架构、纵向因果推断），将其映射到相关组件，并通过重叠诊断、不确定性量化、离策略鲁棒性和目标试验验证，将评估与声明强度对齐。这一综合将基准预测推进到决策级的临床证据，使得对治疗敏感的个体化未来可行，支持部署前的策略压力测试，以及更安全的闭环学习健康系统——在证据不足时能够适应或弃权。

## 提交历史

来自：Pujun Feng [查看邮箱](https://arxiv.org/show-email/4cbe3ff2/2605.16927) **\[v1\]** 2026年5月16日，周六 10:45:26 UTC (27,383 KB)