干预条件化反事实人类数字孪生生成器

慢性病通过由相互作用的介导因素、混杂因素和治疗史所塑造的漫长、异质性轨迹演变。在替代干预下估计长期患者轨迹对于计算机模拟临床试验设计至关重要。然而，大多数现有模型忽视了不规则就诊间隔和跨介导因素依赖关系，而这两者对于可靠的长期纵向预测都至关重要。此外，这些模型通常侧重于结局预测，而非生成完整的患者状态轨迹。为应对这些挑战，我们提出 CHDT，一种在标准识别假设下、以干预为条件的人类数字孪生生成器，用于多模态纵向轨迹估计。其主要实证优势源于对不规则就诊间隔的显式建模，而跨介导因素精化在选定的以干预为条件的设置中提供了额外增益。在真实世界 ADNI 和模拟器生成的 ALPACA 队列中，CHDT 相对于竞争基线展现出更优的长时程患者状态保真度。消融结果表明，不规则时间条件化提供了主要的实证增益，跨介导因素精化则提供了额外改进。

中文由 AI 翻译，仅供参考，以原文为准。