MediSim：多粒度生成模型赋能多模态电子健康记录的时序增强与模态补全

这篇开创性研究提出MediSim框架，通过深度自回归模型（autoregressive model）结合强化学习（reinforcement learning），创新性地解决了电子健康记录（EHR）中时序缺失（temporal missingness）和模态缺失（modality missingness）两大难题。该系统采用多粒度架构（multi-granular architecture），在门诊和ICU数据集上实现缺失代码预测F1分数提升74%，下游模型性能最高提升65%，并能生成逼真的临床文本和X光影像。其突破性在于首次整合时序扩展（longitudinal extension）与跨模态模拟（cross-modal simulation），为医疗AI训练提供了高质量数据增强方案。

　　

电子健康记录的挑战与机遇
电子健康记录（EHR）虽已被美国90%以上医院采用，但其临床应用常受数据碎片化困扰。患者跨机构就诊导致记录不完整，约40%的临床笔记和影像数据缺失，这种"纵向缺失"（T'<T）和"模态缺失"（如仅有诊断代码D而无治疗代码P）严重制约医疗AI发展。传统方法如生成对抗网络（GAN）和变分自编码器（VAE）难以同时处理时空维度的数据缺陷。

MediSim的技术突破
该研究提出三阶段解决方案：1）多粒度自回归架构，通过12层Transformer解码块生成患者历史表征h_t∈R^n_emb，再经掩码线性层（masked linear layers）逐代码预测P(cⁱ_t+1)；2）模仿人类反馈的强化学习训练，采用RNN判别器评估生成质量；3）编码器-解码器对处理临床文本和X光等复杂模态，其中笔记生成器G_n基于GPT架构，影像生成器G_i采用扩散模型。

核心实验验证
在IQVIA门诊数据集（50万患者）和MIMIC-III住院数据（4.6万患者）上的测试显示：
• 时序预测：F1分数从基线0.095提升至0.479（3.9倍），困惑度（perplexity）从61.6降至16.2
• 模态补全：诊断→治疗代码预测F1达0.582，超越神经网络基线74%
• 下游任务增强：慢性病预测F1提升65%（0.316→0.522），罕见病分类提升14%
• 多模态生成：合成的胸部X光能准确反映肺不张（lung opacity）特征，临床笔记包含90%的关键诊疗信息

创新应用场景
该系统可实现三类数据增强：1）对短期记录（如仅10次就诊）扩展至完整病程；2）对单模态数据（如仅有ICD诊断码）补充CPT手术和NDC药物代码；3）生成隐私安全的替代数据。特别值得注意的是，当整合影像模态时，结构化代码预测困惑度再降5%，证明多模态协同效应。

局限与展望
当前模型仍依赖高质量种子数据，对亚群体差异敏感。未来可探索：1）基因组数据整合；2）动态调整代码生成顺序（如M→D→P）；3）联邦学习框架下的跨机构应用。该技术已开源（MIT License），为医疗AI从"数据饥渴"迈向"数据富足"提供了关键基础设施。