在医疗诊断与治疗中，患者状态随着时间不断演变，而临床干预又会影响未来的结果。尽管当前的医疗AI能够检测疾病、评估风险和生成报告，但许多系统依然返回静态标签或评分，无法提供疾病进展或替代干预如何重塑病程的深入见解。医疗世界模型将人工智能中的世界模型理念应用于医疗领域，通过学习患者状态动态的内部模拟器，旨在帮助临床医生预见病情恶化、比较治疗条件下的未来情景，并为个体患者量身定制护理。
目前，相关工作在基础模型、纵向建模、疾病模拟、治疗效果估计、强化学习和数字双胞胎等领域分散。为了填补这一空白，本文提出了一条从孤立的诊断与预测向医疗世界模型的路线图，这些模型能够模拟疾病演变并支持干预决策。该路线图围绕三个相互关联的能力展开：患者状态构建、临床动态建模和干预决策支持。通过对代表性系统的比较，强调了每种能力的贡献，以及如何将部分组件整合进更成熟的感知-动态-规划系统中。最后，本文识别了将合理的模拟转化为临床有用模拟器所面临的挑战。
相关文献可在 GitHub 查阅。
博主点评： 医疗世界模型的提出标志着医疗AI领域的一次重大进步，通过动态模拟患者状态，可以显著提升临床决策的科学性与个体化，未来在疾病管理和治疗优化方面将发挥重要作用。期待这些模型在实际应用中的落地与发展。