知识卡片：NOAH：学习完整患者旅程——面向表示与预测的纵向多模态时间感知模型

一句话结论

NOAH 是一种时间感知、任务无关的生成式 Transformer 模型，可用于表示和预测完整的纵向多模态患者旅程；论文声称它是该领域首个“真正整体性”的生成式模型，但该表述仍需同行评议验证。

事件概述或研究问题

医疗数字化产生了覆盖患者一生的海量纵向、多模态数据，但现有 AI 模型难以充分捕捉真实临床数据中复杂、不规则的时间动态和内在随机性。论文指出，既有纵向患者记录建模方法大多是判别式、局限于少数模态、受封闭类别词汇表约束、将时间视为单调归纳偏置，且在预测未来患者状态方面能力有限。NOAH 旨在解决上述缺口，实现从历史到未来的全旅程建模。

方法/产品要点

核心架构：时间感知、任务无关的生成式 Transformer。
新颖机制：采用双向时间整合（bidirectional time integration）与变分潜在空间，以捕捉患者状态的连续演化及临床轨迹的随机性。
数据规模：基于 MIMIC 数据集家族，覆盖超过 5.59 亿条临床事件、43.1 万次住院、29.9 万名患者。
模态支持：原生处理医学图像、时间序列与数值信号、类别型事件，以及结构化和非结构化临床记录。
能力：支持带可选时间控制的自回归预测、零样本分类和反事实干预模拟。
输出表示：生成信息丰富且具有预测性的患者状态表示。
评测表现：论文报告其在预测临床结局、15 个 ICD 章节、29 种合并症以及时间-事件预测等探测任务上表现出一致优势；但具体数值与基线细节在材料摘要中未提供，待核实。

主要结果或产业意义

论文声称 NOAH 生成的表示具有强预测能力，可为个性化临床照护和数字医学提供通用、任务无关、可扩展的基础模型。其产业意义可能体现在：从“判别式单任务”走向“生成式多任务患者级基础模型”，为临床决策支持、风险预测和干预方案模拟提供统一底座。不过，真实的临床部署价值仍需更多基准与前瞻性验证。

为什么重要

NOAH 试图把“完整患者旅程”作为建模对象，而不只是单一检查或单次就诊。它同时覆盖多模态数据、不规则时间动态、随机性、预测未来状态和反事实干预，超越了传统上以判别式为主、仅限于少数模态的纵向模型。这使得它有望成为个性化医疗智能系统的通用基础层，也为“医疗基础模型”提供了新的技术路线。

局限与不确定性

论文摘要未提供详细性能指标、基线对比、消融实验和统计检验，具体实证强度待核实。
“第一个真正整体性生成模型”属于作者声明，需等待领域共识与重复验证。
MIMIC 数据集来源单一，是否能在其他医疗体系、其他类型数据上泛化仍待核实。
关于数据隐私、伦理、模型幻觉、公平性以及部署中的实际风险，摘要未展开说明，待核实。
双向时间整合和变分潜在空间的具体实现细节、训练目标及超参数等未在摘要中给出，待核实。

与既有脉络的关系

本条卡片与已有相关卡片没有直接重叠。NOAH 属于“医疗纵向多模态生成建模”方向，和“多模态经验贝叶斯变分自编码器用于联合纵向与事件时间建模”都关注纵向数据与时间事件，但 NOAH 的覆盖面更广：它旨在处理完整患者旅程所涉及的多种模态，并在此基础上实现生成式预测、零样本任务和反事实干预。相比已有的大语言模型测试时选择或驾驶世界模型，NOAH 的应用场景和模型目标更为专门化。

可用于图书/PPT/简报的角度

“患者全旅程”基础模型：医疗 AI 从单点预测走向连续轨迹生成。
如何用 AI 刻画不规则时间下的多模态临床数据？
生成式医疗模型能做什么？——预测、零样本分类、反事实模拟。
数据整合视角：5.59 亿临床事件如何支撑一个通用患者模型。
医疗基础模型的下一步：从“会分类”到“懂病程”。

原始材料

英文标题：NOAH: Learning the Full Patient Journey. A Longitudinal Multimodal Time-Aware Model for Representation and Forecasting
英文关键词：patient journey; longitudinal multimodal; time-aware; generative transformer; representation; forecasting; MIMIC dataset family
原始来源：arXiv:2609.09140v1
URL：https://arxiv.org/abs/2609.09140v1
PDF 链接：https://arxiv.org/pdf/2609.09140v1
作者：Tobias Susetzky, Raphael Rehms, Dmitrii Seletkov, Özgün Turgut, Michelle Espranita Liman, Lisa Steinhelfer, Rickmer Braren, Daniel Rueckert
发布/更新日期：2026-09-08（arXiv 页面信息）