EHRWorld：一种以患者为中心的长期临床轨迹医疗世界模型

世界模型为在干预下模拟未来状态提供了一个系统的框架，但在医学等复杂、高风险领域实现此类模型仍具挑战性。近期的大语言模型（LLMs）在静态医疗推理任务中表现出色，但其是否能作为动态医疗世界模型来模拟疾病进展和治疗结果仍需验证。本文表明，仅依赖医疗知识的LLMs难以在连续干预下保持一致的患者状态，导致长期临床模拟中的误差累积。为此，我们引入了EHRWorld，一个基于因果序列范式的以患者为中心的医疗世界模型，并构建了EHRWorld-110K数据集，该数据集来源于真实世界的电子健康记录。大量实验表明，EHRWorld显著优于基于LLM的简单基线方法，在长期模拟稳定性、临床敏感事件建模及推理效率方面表现更优，突显了在因果基础和时间演变的临床数据上训练对可靠且稳健的医疗世界建模的重要性。