medRxiv 2026年9月19日该研究提出GenEHR——一个在数百万患者电子健康记录上训练的自回归生成模型，通过RAdix时间编码显式建模就诊间不规则时间间隔，并结合参数高效的门控低秩适配进行监督微调，在五个大型电子健康记录队列中提升了五年内首次癌症诊断的预测性能，并支持对胰腺癌、卵巢癌等侵袭性癌症进行风险分层筛查。该研究提出GenEHR——一个在数百万患者电子健康记录上训练的自回归生成模型，通过RAdix时间编码显式建模就诊间不规则时间间隔，并结合参数高效的门控低秩适配进行监督微调，在五个大型电子健康记录队列中提升了五年内首次癌症诊断的预测性能，并支持对胰腺癌、卵巢癌等侵袭性癌症进行风险分层筛查。利用患者健康状态生成模型识别癌症高风险人群该研究提出GenEHR——一个在数百万患者电子健康记录上训练的自回归生成模型，通过RAdix时间编码显式建模就诊间不规则时间间隔，并结合参数高效的门控低秩适配进行监督微调，在五个大型电子健康记录队列中提升了五年内首次癌症诊断的预测性能，并支持对胰腺癌、卵巢癌等侵袭性癌症进行风险分层筛查。该研究提出GenEHR——一个在数百万患者电子健康记录上训练的自回归生成模型，通过RAdix时间编码显式建模就诊间不规则时间间隔，并结合参数高效的门控低秩适配进行监督微调，在五个大型电子健康记录队列中提升了五年内首次癌症诊断的预测性能，并支持对胰腺癌、卵巢癌等侵袭性癌症进行风险分层筛查。