心电图基础模型换个配对方式：PACE-ECG 参数少41倍，外部心衰预测AUROC反超
心电图基础模型通常只在同域判读任务上比较，跨医疗系统的长期预后迁移能力并不清楚。PACE-ECG把同一患者60天内相邻两次心电图作为对比学习的正样本，并叠加波形与报告来源的多任务监督，编码器仅221万参数。在MIMIC-IV与两个HEEDB外部队列上，冻结表示预测心梗后全因死亡与新发心衰，其AUROC均高于DeepECG-SSL，外部心衰提升最明显。
重症监护排班不必为每个问题重建状态：一个冻结的患者世界模型同时支撑入院、护理与转出仿真
重症监护的资源规划长期依赖为单一政策问题手工设定的紧凑状态转移模型，换一个问题就要重新定义状态。一个在MIMIC-IV上训练后冻结的患者世界模型，把不规则电子病历编码为状态—事件序列，并按仿真器请求的任意时间间隔给出预测，再通过场景专属映射接入共享床位与人员队列。在入院、护理派工和转出三类仿真中，它与按任务拟合的马尔可夫和半马尔可夫模型在容量与派工政策的方向性响应上一致，并复现了回放真实轨迹得到的派工收益。
合成病历也能带隐私保证：在ε=8下，攻击判别接近随机，临床有效性达0.961
合成电子健康记录长期在临床保真度与形式化隐私保证之间取舍。SynthEHR-DP把混合类型编码器、时间Transformer编码器与条件变分自编码器组合起来，在差分隐私随机梯度下降和Rényi隐私核算下训练，并在推理后加一层不消耗隐私预算的临床约束层。在MIMIC-IV上、总预算ε=8、δ=10⁻⁵时，成员推断攻击AUC为0.52，下游TSTR AUROC为0.786，比非私有的TRTR上界0.821低4.2%，临床有效性得分0.961。
脓毒症凝血评分漏掉的高危患者：72小时INR与PTT轨迹把死亡风险翻倍者找回来
脓毒症凝血筛查一直依赖入院时单次化验，血小板、INR与SOFA拼成一个横断面阈值。对MIMIC-IV中3138名脓毒症患者，按前72小时血小板、INR与PTT的联合轨迹做高斯混合聚类，得到死亡率为27.8%的高危亚型，而入院SIC评分只标出其中18.1%。这一梯度在eICU-CRD的12828例独立重拟合中重现，高危组仍有86.3%被SIC判为阴性。
临床预测模型上线前先给数据打分：五维画像能标出缺陷，却排不准危害大小
临床预测模型的质量取决于训练数据，但缺失率、类别比例这类单指标与模型上线后的表现没有直接挂钩。一项在MIMIC-IV三个队列和eICU多中心数据库上开展的探索性基准，把数据质量拆成完整性、标签噪声、分布相似性、代表性和时间完整性五个分量，每个受控条件下都真实训练模型并测量留出患者上的对数损失与校准变化。复合分数在三个受控队列中方向一致，但联合两种损坏时危害呈次可加而非相乘，且在21家可分析eICU医院上只与校准相关、与判别力无可检测关联。
患者安全推理不再只靠语言模型：去掉知识图谱，F1掉0.047且三项指标均显著变差
患者安全推理系统把知识图谱、检索增强生成与LLaMA模型组合起来，从MIMIC-III和MIMIC-IV的临床记录中抽取安全概念并给出可追溯的解释。完整系统在概念抽取上取得0.89的F1；去掉知识图谱后F1下降0.047、AUROC下降0.084、AUPRC下降0.110，三项差异均显著。去掉检索增强或LoRA微调带来的下降较小且未达统计显著，检索证据的相关性仅由专家定性确认。
超声心动图诊断不再只看整段视频：每个测量值配一个专属令牌，平均AUC从0.659升到0.748
超声心动图诊断模型改为先为每项定量测量学一个专属令牌，再按诊断挑选相关令牌；在MIMIC-IV-Echo上平均AUC从0.659升到0.748，内部队列从0.730升到0.778。
观察性研究里的保护效应可能全是偏倚：新指标把16.9%的死亡率下降归因于系统误差
观察性因果估计多了一个连续报告通道：偏倚归因分数（BAF）把观测到的对数相对风险中归因于系统偏倚的比例写成0到1之间的数，并给出95%可信区间。在192万次模拟重复中，仅用校准P值会把36.02%真正由偏倚主导的重复判为可用，加上BAF点估计后降到16.48%，要求整个可信区间低于0.5后降到10.16%。在MIMIC IV的β受体阻滞剂目标试验仿真中，达到指南目标剂量所对应的16.9%一年死亡率下降在校准后消失，BAF为0.875，判定为不可作为效应证据。
CARing 用组合式医学语义 ID 与覆盖奖励，在 MIMIC-III/IV 下次就诊诊断预测中取得最高召回（R@30 46.04%/46.52%）
该工作提出 CARing，用残差量化把疾病名称与 ICD 本体路径压缩为组合式医学语义 ID（SID），经六项对齐任务、教师模型生成的语义增强语料与推理激活训练，使单个自回归模型能先推理再生成诊断 SID，并用覆盖奖励与多正例监督优化多标签覆盖；在 MIMIC-III 与 MIMIC-IV 上，其加权指标超过所有基于 EHR 训练的基线，并在每个报告的截断点取得最高召回，推理模式 R@30 分别为 46.04% 与 46.52%。
MS-ECG-FM 用多源临床报告对比对齐，在 98 项 ECG 检测任务上把宏平均 AUROC 提升到 93.6
作者提出 MS-ECG-FM，一个以对比对齐方式同时对齐 ECG 机器报告、心内科报告、超声心动图、胸片和出院小结等多种临床文本的心电图基础模型；在覆盖 98 个标签的多数据集线性探针评测中，其宏平均 AUROC 达 93.6，高于 ECGFounder 的 91.5 与 MELP 的 91.2，并在结构心脏病等此前较弱的分组上明显改善，同时在单导联与减导联配置下保持领先。