Causal Longitudinal Prior-Fitted Networks for Counterfactual Outcome Prediction
L'article présente CausalLongPFN, un réseau pré-entraîné par ajustement de prior (prior-fitted network) gelé, pré-entraîné sur des modèles causaux temporels synthétiques, qui prédit les résultats longitudinaux contrefactuels sans entraînement spécifique au domaine, démontrant une performance compétitive sur des benchmarks tels que le cancer, le VIH et MIMIC-III tout en offrant une alternative rentable à la modélisation traditionnelle spécifique à une cohorte.