#MIMIC-IV

有人把ICU患者的电子病历训练成世界模型，一次建模就能模拟床位、调度、转院多种政策，比传统Markov模型多捕捉恢复速度差异。

14 名医生实测了对话式 vs 单轮的病历查询界面，93% 更满意对话式，还发现基准测试完全低估了真实查询的模糊度，做医疗 AI 的都该看看。

用 MIMIC 和 eICU 超 7 万患者数据拆解了 ICU 死亡率模型里哪类特征能跨医院复用，做医疗 AI 的值得看看

这篇文章发现多智能体共识不但不去偏见还会掩盖偏见，5 个模型全中招，但有个不用重训练的修法能砍掉 67-94% 的差距，做医疗 AI 的必看。

一篇医疗预测的论文：DIGOM 用图同时建模患者间和跨模态关系，在 MIMIC-IV 等数据集五个任务上都拿了最高 AUROC，模态缺失时也更稳。

医疗 AI 方向的研究者可以看看这篇：它在 MIMIC-IV 上验证了块扩散比自回归快约 1.43 倍，预测性能还几乎不掉，论文思路和实验设计都挺扎实。

JEPA 在图像上很能打，但用 MIMIC-IV 一测，做病历表征还是干不过老老实实的 MLM，结论挺反直觉的。

用多智能体分工来管多重病患者的复杂用药，靠 DSWA 和 DFPC 两套协调机制减少药物冲突，在 MIMIC-IV 数据上验证有效，做医疗 LLM 应用的可以看看。

用MIMIC-IV里挖出的近10万个疾病轨迹，拿bge嵌入去和16万多篇PubMed文献比对，筛出真正新颖且有临床价值的分支，预测误差能少20天。

这个QuanTiMedAI挺有戏：605个参数就把心脏骤停死亡预测AUROC做到0.852，比原来最好的还高2.9%。

这篇论文提出了DRIFT，一种ICU生理轨迹预测新方法，在MIMIC-IV和eICU-CRD上比TFT-action的MAP误差低0.67%，尤其在治疗序列变化时表现更准。