Résumé Technique : ChronoMedicalWorld (CMWM)

Énoncé du Problème

La simulation clinique à long horizon — prédire l'évolution de la physiologie d'un patient sur plusieurs années sous des interventions spécifiques — est cruciale pour la gestion des maladies chroniques, mais reste insuffisamment prise en charge par les modèles actuels. Les modèles existants de dossiers médicaux électroniques (DME) (par exemple, RETAIN, BEHRT, Med-BERT) sont principalement discriminatifs, prédisant des événements futurs plutôt que de simuler des trajectoires physiologiques en boucle fermée. De plus, les grands modèles de langage (LLM) à usage général, lorsqu'ils sont sollicités avec un contexte clinique, ont tendance à « dériver » après des étapes d'intervention répétées car ils manquent d'un état latent persistant et ne sont pas entraînés contre les erreurs de déroulement multi-étapes.

La littérature actuelle sur les modèles de monde médical présente trois lacunes spécifiques :

1. Inadéquation Architecturale : Les modèles existants ne sont pas spécialisés pour le régime d'observations périodiques typique des soins chroniques, où les interventions structurées coexistent avec des communications en texte libre.
2. Limitations de l'Interface d'Action : Les interventions sont généralement traitées comme des événements structurés, ignorant le riche signal sémantique présent dans les échanges textuels entre patient et coach de santé.
3. Inadéquation Entraînement-Évaluation : Les modèles sont souvent entraînés sur la prédiction de l'étape suivante (avec contrainte de l'enseignant) mais déployés dans des déroulements multi-étapes, une source connue d'accumulation d'erreurs et de dérive.

Méthodologie : Le Modèle ChronoMedicalWorld (CMWM)

Les auteurs proposent le CMWM, un cadre général de modèle de monde latent conditionné par l'action, conçu pour apprendre les trajectoires des patients à partir de données de soins longitudinaux.

1. Architecture

Le CMWM est un module de transition latente récurrent composé de quatre composants clés :

• Encodeur d'État ($E_s$) : Mappe un vecteur d'état clinique périodique ($x_t$) et un contexte patient statique ($b_i$) vers un état latent ($z_t$).
• Encodeur d'Action Large ($E_a$) : Un composant novateur qui encode conjointement les indicateurs d'intervention structurée ($a^m_t$) et les embeddings sémantiques de la communication en texte libre ($a^c_t$) dans un unique embedding d'action ($u_t$). Cela traite la communication comme une entrée d'action « de première classe » plutôt que comme des métadonnées auxiliaires.
• Transition Récurrente ($G$) : Une unité récurrente à portes (GRU) qui propage le flux fusionné $[z_t; u_t]$ vers un état caché ($h_t$).
• Tête de Prédiction ($H$) : Produit deux sorties : une prédiction explicite de la prochaine observation ($\hat{y}_{t+1}$) pour la prévision supervisée et une prédiction de la prochaine latente ($\hat{z}_{t+1}$) pour la dynamique en boucle fermée.

2. Fonction Objectif d'Entraînement

Le modèle est entraîné sous une fonction objectif à six termes ($L$) pour assurer la plausibilité physiologique et prévenir l'effondrement de la représentation :

• Supervision de la Prochaine Observation ($L_y$) : Perte SmoothL1 sur l'observable cible (par exemple, le DFGe).
• Prédiction de la Prochaine Latente ($L_z$) : Perte de type JEPA alignant la latente prédite avec l'état observé encodé.
• Régularisation SIGReg ($L_{SIGReg}$) : Un régulariseur gaussien isotrope basé sur les fonctions caractéristiques pour prévenir l'effondrement latent sans supervision auxiliaire.
• Priors de Forme Sensibles à la Physiologie :
  • Cohérence de la Pente ($L_{slope}$) : Aligne les changements prédits sur une période avec les changements observés.
  • Continuité Locale ($L_{cont}$) : Perte de Huber décourageant les biais petits et persistants.
  • Pénalité de Grand Saut ($L_{jump}$) : Une pénalité de type charnière pour les sauts sur une seule période cliniquement implausibles.

3. Protocole d'Entraînement

Pour résoudre l'inadéquation entraînement-évaluation, le CMWM utilise un Protocole d'Entraînement par Préfixe de Déroulement. Au lieu d'un entraînement standard avec contrainte de l'enseignant, le modèle est entraîné sur des trajectoires où les observables cibles prédites sont réinjectées dans l'état clinique de l'étape suivante (déroulement autorégressif). Cela garantit que le modèle est optimisé contre la même erreur multi-étapes qu'il présente lors du déploiement.

4. Stabilisation de l'Inférence

Lors de l'inférence, un « ancre de première étape » optionnel est appliqué, combinant de manière convexe la première prédiction avec une extrapolation de la tendance récente et limitant le changement à une magnitude cliniquement plausible pour éviter les sauts initiaux aux limites.

Étude de Cas : Maladie Rénale Chronique (MRC)

Pour valider le cadre, les auteurs ont instancié le CMWM pour la prévision de trajectoires annuelles du débit de filtration glomérulaire estimé (DFGe) chez une cohorte de 2 232 patients (15 070 années-patient).

• Entrées : États cliniques annuels (DFGe, signes vitaux, analyses), interventions structurées (62 caractéristiques binaires de médicaments) et actions de communication (embeddings sémantiques de 256 dimensions des transcripts de chat patient-coach de santé).
• Référence : Un modèle GPT-5.5 ajusté utilisant un prompting structuré avec le même historique et les mêmes descriptions d'interventions.

Résultats

Sur un test de déroulement dynamique à 50 % d'historique (où 50 % de l'historique du patient est utilisé comme contexte et le modèle prédit le futur restant) :

• Performance : Le CMWM a atteint une Erreur Absolue Moyenne (MAE) de 7,384 et une Erreur Quadratique Moyenne (RMSE) de 10,256.
• Comparaison : La référence GPT-5.5 a atteint une MAE de 7,964 et une RMSE de 11,069.
• Amélioration : Le CMWM a surpassé la référence de −7,28 % en MAE et −7,35 % en RMSE.
• Ablation : Le gain de performance était principalement dû à l'inclusion du canal d'action de communication. Le remplacement des embeddings sémantiques par des statistiques brutes de volume de communication n'a pas permis de retrouver ce gain, indiquant que le signal prédictif réside dans le contenu sémantique. De plus, un encodeur séparé (séparant les actions structurées et textuelles) a dégradé les performances à long horizon, suggérant que le codage conjoint « large » est plus stable pour les déroulements en boucle fermée.
• Efficacité : L'instance CMWM possède environ 0,79 million de paramètres entraînables, soit plusieurs ordres de grandeur de moins que la référence GPT-5.5, pourtant elle la surpasse en cohérence à long horizon.

Signification et Revendications

L'article revendique que le CMWM représente une avancée significative dans la modélisation de monde médical en :

1. Formalisant la Communication comme Action : C'est le premier modèle de monde médical à traiter l'échange textuel patient-coach de santé comme un signal d'intervention primaire plutôt que comme un contexte auxiliaire.
2. Combler le Fossé Entraînement-Évaluation : Le protocole par préfixe de déroulement fournit une recette concrète pour entraîner des modèles cliniques autorégressifs à être robustes face à leurs propres erreurs de prédiction.
3. Plausibilité Physiologique : L'intégration de priors de forme (pente, continuité, pénalités de saut) garantit que les déroulements à long terme restent réalistes sur le plan clinique, évitant la dérive courante dans les simulateurs basés uniquement sur les LLM.
4. Agnosticisme de Domaine : Bien que démontré sur la MRC, le cadre est présenté comme un modèle général applicable à toute condition chronique impliquant des états cliniques périodiques entrelacés avec des interventions structurées et conversationnelles (par exemple, l'HbA1c dans le diabète, la pression artérielle dans l'hypertension).

Les auteurs soulignent que, bien que l'instanciation sur la MRC démontre de la valeur, le cadre n'est pas un estimateur causal et nécessite une validation externe supplémentaire dans des populations diverses et plus âgées avant un déploiement clinique. La contribution principale réside dans la recette architecturale et d'entraînement pour apprendre des trajectoires de patients stables à long horizon sous des types d'interventions mixtes.