mimic-iii

提出了一种基于扩散的方法来生成不规则临床时间序列，该方法联合建模实验室检测值及其观测模式，使用了来自MIMIC-III的DACMI基准。该模型在类似非随机缺失（MNAR-like）的缺失机制下，捕捉了患者生理状态与检验行为之间的临床有意义依赖关系。

本文通过将按时间排序的临床笔记转换为预测示例，将前瞻性学习扩展到临床事件预测。在120B模型上使用LoRA适配器改善了校准性能，并在留出问题上优于GPT-5。

Foresight Learning 将纵向临床记录转换为预测示例，与基础模型相比，LoRA 适配器改善了校准并减少了不确定性，在保留问题上优于 GPT-5。