医疗事件生成模型 Curiosity-0826-4B 扩到儿科：零样本预测哮喘与再入院，实验室值误差降 18–46%
核心概要
Curiosity-0826-4B 把基于 Epic Cosmos 病历的生成式医疗事件基础模型从成人扩展到儿科，并加入死亡与右删失的显式表示。模型参数从 1B 增至 4.3B、上下文从 8K 增至 16K，在两者都支持的任务上总体持平或超过 Curiosity-0226-1B，实验室值预测的平均绝对误差降低 18–46%。儿科哮喘新发与急性发作的 AUROC 与成人参照队列相当，镰状细胞危象则低于成人。
深度剖析
生成式医疗事件模型现在覆盖儿科人群，并能在不训练任务专用模型的情况下给出零样本临床预测。 此前的 Curiosity-0226 系列只覆盖成人，儿科人群不在其评估范围内。 在 2–17 岁队列中，新发哮喘的 AUROC 为 0.742–0.785、哮喘急性发作为 0.829–0.852，与成人参照队列相当；镰状细胞危象为 0.820–0.847，低于成人的 0.915。
模型把患者病历表示为一串离散的医疗事件词元，训练目标是预测下一个事件，采样生成的序列就模拟了病史的可能延续。 新增的表示包括出生事件、胎龄、出生体重、生命体征、非数值化验、用药属性，以及记录死亡与右删失的显式词元。 训练分两阶段：先在 8,192 词元上下文下用 320B 词元做计算最优预训练，再扩展到 16,384 词元继续预训练 435.6B 词元，合计约 755.6B 词元。
显式表示记录死亡后，模型可以在临终关怀、住院和门诊场景中预测死亡率。 此前的模型没有死亡事件词元，因而无法直接做这类预测。 成人各场景的 AUROC 为 0.821–0.942，其中住院 30 天为 0.942、门诊 365 天为 0.921。
启示与展望
评估全部基于历史电子病历的回顾性构建，覆盖成人以及按六段年龄划分的儿科队列，任务包括再入院、住院时长、实验室值、新发疾病、单次就诊事件生成与死亡率预测。作者提出下一步需要前瞻性评估，并在本地场景和临床上有意义的亚组中做验证与校准。
死亡若未记录在电子病历中会被低估，记录死亡日期只有日期精度；住院时长等任务会丢弃未在最大序列长度内完成的模拟，这更影响覆盖较长日历时间或事件密集的序列。回顾性表现本身不能证明模拟得到的估计就是经过校准的个体临床风险，预测记录治疗改变后的事件也不等于估计改变治疗的因果效应。