日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
医療時系列予測arXiv:2610.04778

患者ワールドモデルにおける反復測定リーク・分布シフト・部分観測下での信頼性

Repeated-Measure Leakage, Distribution Shift, and Reliability under Partial Observation in Patient World Models

シェア:XThreadsFacebookLINEはてブBluesky

PhysioNet GaitPDBのデジタルバイオマーカー予測を題材に、評価条件を段階的に厳しくして、患者間汎化や分布シフト・欠測下での予測性能と信頼性を検証した。

詳しい要約

1. どんなもの？

患者world modelの前提条件を評価する研究。 - 対象は短horizonのdigital-biomarker予測。 - データはPhysioNet GaitPDB(165 participants, 306 recordings, 51,129 context-future pairs)。 - persistence, ridge, MLP, GRU, Transformer, JEPA-style predictorを比較。 - 評価ladderでraw temporal overlap, same-recording familiarity, same-patient familiarityを段階的に除去。 - 最終的にunseen-patient generalizationを検証。

2. 先行研究と比べてどこがすごい？

先行研究と比べての優位性は要旨からは不明。 - ただし、因果・臨床intervention validityとpredictive generalization/reliabilityを区別する点を強調。 - 患者分離、repeated-measure controls, shift, missingness, uncertainty validationからなるprerequisite evaluation stackを提案。 - 強いpatient-world-model主張の前に必要な評価手順を示す。

3. 技術・手法の肝は？

評価ladderが肝。 - random-window splittingから始め、raw train-test overlapを除去。 - 次にsame-recording familiarityを除去。 - さらにsame-patient familiarityを除去しpatient holdoutを実施。 - モデルはpersistence, ridge, MLP, GRU, Transformer, compact JEPA-style predictor。 - 指標はNMSE、MC-dropout predictive variance。 - 条件としてstudy shift, 4倍長いprediction gap, partial observation(50% temporal masking)を設定。

4. どうやって有効だと検証した？

PhysioNet GaitPDBで検証。 - GRUのNMSEはrandom-window splittingで0.1227、raw overlap除去後0.1393、patient holdoutで0.1961。 - 反復記録のある54 participantsでは、同一患者の別recordingへの曝露でGRU NMSEが0.2177から0.1556に改善。 - recording-excluded identity hypothesisはparticipant levelで支持されず。 - participant-held-out評価ではMLPとTransformerは統計的に区別不能。 - study shift, 4倍長prediction gap, partial observationで性能低下。 - 50% temporal maskingでTransformer NMSEは0.611に上昇し、MC-dropout predictive varianceは低下。

5. 議論はある？

longitudinalやintervention-aware simulatorは主張しない。 - 代わりにpatient separation, repeated-measure controls, shift, missingness, uncertainty validationからなるprerequisite evaluation stackを支持。 - より強いpatient-world-model主張を信頼する前にこの評価が必要と議論。 - 限界や他の議論は要旨からは不明。

6. 次に読むべき論文は？

要旨で参照/比較されている研究や関連手法を挙げる。 - persistence, ridge, MLP, GRU, Transformer, JEPA-style predictor。 - PhysioNet GaitPDB。 - 同分野の定番としてpatient world models, digital-biomarker forecasting, longitudinal prediction, intervention-aware reasoning, clinical-trial simulationに関する研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Arjun Subramanian

分類: cs.LG

原文アブストラクト

Patient world models are increasingly proposed for longitudinal prediction, intervention-aware reasoning, and clinical-trial simulation. Causal or clinical intervention validity is distinct from predictive generalization and reliability; before making stronger claims, the underlying predictive state should generalize across patients, survive realistic shifts and missing observations, and expose failure through meaningful reliability signals. We evaluate these prerequisites in a deliberately narrow setting: short-horizon digital-biomarker forecasting from PhysioNet GaitPDB, comprising 165 participants, 306 recordings, and 51,129 context-future pairs. Using persistence, ridge, MLP, GRU, Transformer, and a compact JEPA-style predictor, we build an evaluation ladder that progressively removes raw temporal overlap, same-recording familiarity, and same-patient familiarity before testing unseen-patient generalization. For GRU, NMSE rises from 0.1227 under random-window splitting to 0.1393 after eliminating raw train-test overlap and to 0.1961 under patient holdout. Among 54 participants with repeated recordings, exposure to a different recording from the same patient improves GRU NMSE from 0.2177 to 0.1556, while a recording-excluded identity hypothesis is not supported at the participant level. Under participant-held-out evaluation, MLP and Transformer are statistically indistinguishable. Study shift, a four-times-longer prediction gap, and partial observation further degrade performance; under 50% temporal masking, Transformer NMSE rises to 0.611 while MC-dropout predictive variance falls. We do not claim a longitudinal or intervention-aware simulator. Instead, the results support a prerequisite evaluation stack of patient separation, repeated-measure controls, shift, missingness, and uncertainty validation before stronger patient-world-model claims are trusted.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI