NOAH: apprendere l’intero percorso del paziente. Un modello longitudinale multimodale che tiene conto del tempo per la rappresentazione e la previsione

Abstract degli autori

La digitalizzazione della sanità ha prodotto una vasta quantità di dati longitudinali e multimodali sui pazienti, raccolti nell’arco della vita. Sfruttarli appieno per rappresentare e prevedere l’evoluzione dello stato dei pazienti resta però una sfida cruciale. Gli attuali modelli di IA spesso faticano a cogliere le complesse dinamiche temporali irregolari e la stochasticità intrinseca dei dati multimodali reali dei pazienti. Gli approcci di IA esistenti per modellare i dati longitudinali dei pazienti sono prevalentemente discriminativi, limitati a poche modalità o vincolati a vocabolari categorici chiusi; trattano il tempo come un bias induttivo monotono oppure hanno capacità limitate di prevedere gli stati futuri dei pazienti. Presentiamo NOAH, un modello transformer generativo che tiene conto del tempo, è indipendente dal compito e rappresenta e prevede l’intero percorso multimodale del paziente. NOAH introduce una nuova integrazione bidirezionale del tempo e uno spazio latente variazionale per cogliere l’evoluzione continua degli stati dei pazienti e la stochasticità delle traiettorie cliniche. Sviluppato a partire da oltre 559 milioni di eventi clinici relativi a 431.000 accessi ospedalieri di 299.000 pazienti nella famiglia di dataset MIMIC, NOAH elabora nativamente immagini mediche, serie temporali e segnali numerici, eventi categorici e dati clinici strutturati e non strutturati. NOAH è il primo modello generativo realmente olistico nel suo campo e consente la previsione autoregressiva con controllo opzionale del tempo, la classificazione zero-shot e la simulazione di interventi controfattuali. Genera rappresentazioni dello stato dei pazienti ricche di informazioni e dotate di elevata capacità predittiva, che mostrano prestazioni elevate nei test di probing relativi agli esiti clinici, a 15 capitoli dell’ICD e a 29 comorbilità, oltre che nella previsione del tempo all’evento. Gestendo senza difficoltà modalità diverse e dinamiche temporali complesse, NOAH offre una base versatile, indipendente dal compito e scalabile per sistemi predittivi intelligenti nell’assistenza clinica personalizzata e nella medicina digitale.