电子健康记录（EHR）基础模型有望在不同健康系统间实现可扩展的临床预测，但其部署受限于标记化瓶颈。相同的临床概念可能以不同的本体代码、本地标识符、同义词或自由文本出现，传统的 EHR 标记器将这些视为不相关的符号。使用封闭词表标记器在 MIMIC‑III 上训练的模型只能利用约 13% 的 eICU 事件。
我们提出 MEDIATOR，一种离散的本体无关标记器，它将任意以文本形式表达的临床概念映射到共享的向量量化码本，从而实现无需手工映射或固定词表的开放词表标记化。MEDIATOR 在同义词监督下训练，并利用丰富的概念描述、共现信息和关系图进行引导，使等价表达被合并，同时在医学意义上组织不同概念于离散空间。
将 MEDIATOR 作为 EHR Transformer 的标记接口后，在 20 项 MIMIC‑III 任务上平均 AUPRC 提升 4.0 点（相对提升 8%），在对 14 项 eICU 任务的零样本迁移中提升 8.6 点（相对提升 29%），并能够使用全部事件。迁移增益来源于覆盖率和表征能力的结合，且在相同输入下 MEDIATOR 仍是最佳标记器（运营死亡率任务提升 1.0 点，子队列死亡率任务提升 1.9 点）。相同编码器的对照实验表明，文本编码器驱动了域内精度，而 MEDIATOR 的学习目标提升了迁移鲁棒性和实体链接质量。MEDIATOR 还实现了跨医院的可转移归因。
点评：MEDIATOR 通过离散向量量化实现了本体无关的概念统一，为 EHR 模型提供了更广的覆盖和更稳健的跨域迁移能力，展示了开放词表标记化在医疗 AI 中的巨大潜力。