💻 computer science

ChronoMedicalWorld: A Medical World Model for Learning Patient Trajectories from Longitudinal Care Data

यह शोध पत्र ChronoMedicalWorld (CMWM) को प्रस्तुत करता है, जो एक एक्शन-कंडीशन्ड लेटेंट वर्ल्ड मॉडल है जो क्रोनिक रोगों के लिए दीर्घकालिक रोगी प्रक्षेपवक्रों (trajectories) का सटीक पूर्वानुमान लगाने के लिए संरचित हस्तक्षेपों और फ्री-टेक्स्ट संचार को एकीकृत करता है, और क्रोनिक किडनी रोग के रोगियों के लिए eGFR विकास की भविष्यवाणी करने में GPT-5.5 बेसलाइन की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।

मूल लेखक: Jiangyuan Wang, Xuyong Chen, Junwei He, Xu Xu, Shasha Xie, Fuman Han

प्रकाशित 2026-05-22

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jiangyuan Wang, Xuyong Chen, Junwei He, Xu Xu, Shasha Xie, Fuman Han

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप अगले पाँच वर्षों के लिए मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। आप आज के आसमान की एक तस्वीर देखकर अनुमान लगा सकते हैं, या आप एक सुपर-कंप्यूटर का उपयोग कर सकते हैं जो समझता है कि हवा, तापमान और दबाव समय के साथ कैसे परस्पर क्रिया करते हैं।

यह शोध पत्र ChronoMedicalWorld (CMWM) पेश करता है, जो मानव स्वास्थ्य के लिए एक नए प्रकार का "मौसम पूर्वानुमान" है। बारिश की भविष्यवाणी करने के बजाय, यह भविष्यवाणी करता है कि एक मरीज का स्वास्थ्य वर्षों में कैसे बदलेगा, विशेष रूप से किडनी फेलियर जैसी पुरानी बीमारियों (chronic diseases) के लिए।

यहाँ इस शोध पत्र का विवरण दिया गया, जिसे सरल उपमाओं (analogies) का उपयोग करके समझाया गया है:

1. समस्या: वर्तमान मॉडलों की "विस्मृति" (Amnesia)

वर्तमान में, अधिकांश मेडिकल AI मॉडल फोटोग्राफरों की तरह हैं। वे मरीज के इतिहास की एक तस्वीर लेते हैं और कहते हैं, "इस फोटो के आधार पर, किसी घटना के होने की 20% संभावना है।" वे स्थिर डेटा में पैटर्न पहचानने में बहुत अच्छे हैं लेकिन एक चलती हुई कहानी का अनुकरण (simulate) करने में कमजोर हैं।

अन्य मॉडल, जैसे कि बड़े "सामान्य उद्देश्य वाले" (General Purpose) AI चैटबॉट्स (शोध पत्र एक काल्पनिक "GPT-5.5" के विरुद्ध इसका परीक्षण करता है), इम्प्रोवाइज़ेशनल एक्टर्स (तैयारी के बिना अभिनय करने वाले कलाकार) की तरह हैं। वे बहुत बुद्धिमान हैं और एक कहानी सुना सकते हैं, लेकिन यदि आप उनसे पांच साल तक एक दृश्य निभाने के लिए कहें जिसमें नए मोड़ (दवा में बदलाव, जीवनशैली संबंधी चर्चाएं) हों, तो वे "भटकने" (drift) लगते हैं। वे दुनिया के नियमों को भूल जाते हैं, पात्र के स्वास्थ्य का ट्रैक खो देते हैं, और कहानी अवास्तविक हो जाती है।

2. समाधान: "मेडिकल वर्ल्ड सिम्युलेटर"

लेखकों ने CMWM बनाया है, जो फोटोग्राफर या अभिनेता के बजाय, मानव शरीर के लिए एक फ्लाइट सिम्युलेटर की तरह कार्य करता है।

फ्लाइट सिम्युलेटर: जिस तरह एक फ्लाइट सिम्युलेटर यह सीखता है कि पायलट द्वारा नियंत्रण घुमाने या उथल-पुथल (turbulence) का सामना करने पर विमान कैसी प्रतिक्रिया देता है, CMWM यह सीखता है कि एक मरीज का शरीर दवा और जीवनशैली परिवर्तनों के प्रति कैसी प्रतिक्रिया देता है।
"दुनिया" का पहलू: यह केवल लैब नंबरों (जैसे रक्तचाप) को नहीं देखता। यह समझता है कि एक मरीज की "दुनिया" में दो प्रकार के इनपुट शामिल हैं:
1. संरचित क्रियाएं (Structured Actions): "कठोर" डेटा, जैसे गोली लेना या इंजेक्शन लेना।
2. संवादात्मक क्रियाएं (Conversational Actions): "कोमल" डेटा, जैसे एक मरीज और हेल्थ कोच के बीच टेक्स्ट मैसेज। शोध पत्र इन चैट लॉग्स को एक शक्तिशाली संकेत (signal) के रूप में मानता है, जो पायलट द्वारा दिए गए मौखिक निर्देशों के समान है।

3. यह कैसे सीखता है: "रोलिंग" प्रशिक्षण

अधिकांश AI मॉडल अतीत को देखकर और फिर अगले ही कदम की भविष्यवाणी करके प्रशिक्षित होते हैं, फिर उन्हें सही उत्तर बताया जाता है। लेकिन वास्तविक जीवन में, डॉक्टरों को वर्षों भविष्य की भविष्यवाणी करनी होती है।

CMWM एक विशेष प्रशिक्षण पद्धति का उपयोग करता है जिसे "Rollout-Prefix" कहा जाता है।

उपमा: कल्पना कीजिए कि एक बच्चे को साइकिल चलाना सिखा रहे हैं। केवल यह कहने के बजाय कि "पैडल चलाओ," आप उन्हें कुछ सेकंड के लिए चलाने देते हैं, और यदि वे डगमगाते हैं, तो आप उन्हें चलते समय ही सुधारते हैं।
शोध पत्र का दावा: CMWM को परिणामों के एक क्रम (sequence) की भविष्यवाणी करने के लिए प्रशिक्षित किया जाता है, जहाँ यह अपनी ही भविष्यवाणियों को वापस सिस्टम में वास्तविक तथ्यों के रूप में फीड करता है। यह इसे लंबे समय तक स्थिर रहने के लिए मजबूर करता है, जिससे उस "भटकाव" (drift) को रोका जा सके जो अन्य AI मॉडलों में होता है।

4. स्वास्थ्य का "भौतिकी" (Physics)

शोध पत्र मॉडल में एक विशेष "फिजिक्स इंजन" जोड़ता है। यह जानता है कि मानव जीव विज्ञान तुरंत नहीं बदलता।

ढलान (The Slope): किडनी का कार्य आमतौर पर रातों-रात "अच्छे" से "बुरे" में नहीं बदलता। यदि मॉडल अचानक, असंभव उछाल की भविष्यवाणी करता है, तो उसे दंडित (penalize) किया जाता है।
सुगमता (The Smoothness): यह मॉडल को सुचारू, क्रमिक परिवर्तनों की भविष्यवाणी करने के लिए प्रोत्साहित करता है, ठीक वैसे ही जैसे वास्तविक जीव विज्ञान व्यवहार करता है।

5. परिणाम: किडनी टेस्ट

इसे सिद्ध करने के लिए, लेखकों ने क्रोनिक किडनी डिजीज (CKD) पर इसका परीक्षण किया। उन्होंने 2,232 रोगियों के डेटा का उपयोग किया, जिसमें उनके लैब परिणाम, दवा का इतिहास और हेल्थ कोच के साथ हजारों चैट संदेश शामिल थे।

प्रतियोगिता: उन्होंने CMWM को एक शीर्ष-स्तरीय AI (GPT-5.5) के अत्यधिक ट्यून किए गए संस्करण के विरुद्ध मुकाबला कराया।
परिणाम: CMWM जीत गया। इसने सामान्य AI की तुलना में रोगियों के भविष्य के किडनी फंक्शन (eGFR) की अधिक सटीक भविष्यवाणी की।
सीक्रेट सॉस (Secret Sauce): शोध पत्र ने पाया कि CMWM की जीत का सबसे बड़ा कारण चैट संदेशों को पढ़ने और समझने की इसकी क्षमता थी। जब मॉडल ने चैट को अनदेखा किया और केवल नंबरों को देखा, तो इसका प्रदर्शन खराब हो गया। यह सुझाव देता है कि स्वास्थ्य के बारे में बातचीत लैब रिपोर्ट के नंबरों जितनी ही महत्वपूर्ण है।

6. यह क्या है (और क्या नहीं है)

यह है: एक विशेष उपकरण जिसे यह सिम्युलेट करने के लिए डिज़ाइन किया गया है कि एक विशिष्ट पुरानी बीमारी वर्षों में कैसे विकसित होती है, जिसमें चिकित्सा उपचार और दैनिक बातचीत दोनों शामिल हैं।
यह नहीं है: एक जादुई क्रिस्टल बॉल जो डॉक्टरों की जगह ले लेगी। शोध पत्र स्पष्ट रूप से कहता है कि यह एक "कारण संबंधी" (causal) उपकरण नहीं है (यह यह साबित नहीं करता कि कुछ क्यों हुआ, बल्कि यह भविष्यवाणी करता है कि पैटर्न के आधार पर क्या हो सकता है)। यह अभी तक बिना अधिक परीक्षण के वास्तविक अस्पतालों के लिए तैयार भी नहीं है।

संक्षेप में: यह शोध पत्र एक नए प्रकार के AI को प्रस्तुत करता है जो पुरानी बीमारी के लिए "समय-यात्रा करने वाले सिम्युलेटर" की तरह कार्य करता है। मेडिकल रिकॉर्ड और रोगी की बातचीत दोनों से सीखकर, और केवल अगले दिन के बजाय लंबे समय के भविष्य की भविष्यवाणी करने के लिए खुद को प्रशिक्षित करके, यह सामान्य-उद्देश्य वाले AI की तुलना में स्वास्थ्य प्रक्षेपवक्र (trajectories) की अधिक सटीक भविष्यवाणी कर सकता है।

तकनीकी सारांश: क्रोनोमेडिकलवर्ल्ड (CMWM)

समस्या विवरण

दीर्घ-अवधि वाला नैदानिक सिमुलेशन (clinical simulation)—अर्थात, विशिष्ट हस्तक्षेपों के तहत वर्षों में एक रोगी की शरीर क्रिया विज्ञान (physiology) कैसे विकसित होती है, इसका पूर्वानुमान लगाना—क्रोनिक रोग प्रबंधन के लिए अत्यंत महत्वपूर्ण है, लेकिन वर्तमान मॉडल द्वारा यह अपर्याप्त रूप से सेवा की जा रही है। मौजूदा इलेक्ट्रॉनिक हेल्थ रिकॉर्ड (EHR) मॉडल (जैसे, RETAIN, BEHRT, Med-BERT) मुख्य रूप से विभेदक (discriminative) हैं, जो भविष्य की घटनाओं की भविष्यवाणी करते हैं, न कि क्लोज्ड-लूप शारीरिक प्रक्षेप पथों (physiological trajectories) का अनुकरण करते हैं। इसके अतिरिक्त, सामान्य-उद्देश्य वाले लार्ज लैंग्वेज मॉडल्स (LLMs), जब उन्हें नैदानिक संदर्भ के साथ प्रॉम्प्ट किया जाता है, तो वे बार-बार होने वाले हस्तक्षेप चरणों के बाद "ड्रिफ्ट" (विचलित) होने लगते हैं क्योंकि उनमें एक स्थायी लेटेंट स्टेट (latent state) की कमी होती है और उन्हें मल्टी-स्टेप रोलआउट त्रुटियों के विरुद्ध प्रशिक्षित नहीं किया जाता है।

वर्तमान मेडिकल वर्ल्ड-मॉडल साहित्य तीन विशिष्ट कमियों को प्रदर्शित करता है:

वास्तुशिल्प बेमेल (Architectural Mismatch): मौजूदा मॉडल क्रोनिक केयर के आवधिक-अवलोकन शासन (periodic-observation regime) के लिए विशिष्ट नहीं हैं, जहाँ संरचित हस्तक्षेपों के साथ मुक्त-पाठ संचार (free-text communication) सह-अस्तित्व में होता है।
एक्शन इंटरफेस सीमाएँ: हस्तक्षेपों को आमतौर पर संरचित घटनाओं के रूप में माना जाता है, जो रोगी-स्वास्थ्य-कोच टेक्स्ट आदान-प्रदान में पाए जाने वाले समृद्ध अर्थपूर्ण संकेतों (semantic signals) की अनदेखी करते हैं।
प्रशिक्षण-मूल्यांकन बेमेल (Train-Evaluation Mismatch): मॉडल अक्सर नेक्स्ट-स्टेप प्रेडिक्शन (टीचर-फोर्स्ड) पर प्रशिक्षित होते हैं, लेकिन उन्हें मल्टी-स्टेप रोलआउट में तैनात किया जाता है, जो त्रुटि संचय और ड्रिफ्ट का एक ज्ञात स्रोत है।

कार्यप्रणाली: क्रोनोमेडिकलवर्ल्ड मॉडल (CMWM)

लेखक CMWM का प्रस्ताव करते हैं, जो एक सामान्य एक्शन-कंडीशन्ड लेटेंट वर्ल्ड-मॉडल फ्रेमवर्क है, जिसे अनुदैर्ध्य देखभाल डेटा (longitudinal care data) से रोगी के प्रक्षेप पथ सीखने के लिए डिज़ाइन किया गया है।

1. आर्किटेक्चर (Architecture)

CMWM एक आवर्ती लेटेंट ट्रांजिशन मॉड्यूल है जिसमें चार प्रमुख घटक शामिल हैं:

स्टेट एनकोडर ( $E_s$ ): एक आवधिक नैदानिक अवस्था वेक्टर ( $x_t$ ) और स्थिर रोगी संदर्भ ( $b_i$ ) को लेटेंट स्टेट ( $z_t$ ) में मैप करता है।
वाइड एक्शन एनकोडर ( $E_a$ ): एक अभिनव घटक जो संरचित हस्तक्षेप संकेतकों ( $a^m_t$ ) और मुक्त-पाठ संचार के अर्थपूर्ण एम्बेडिंग्स ( $a^c_t$ ) को संयुक्त रूप से एक एकल एक्शन एम्बेडिंग ( $u_t$ ) में एनकोड करता है। यह संचार को सहायक मेटाडेटा के बजाय एक "प्रथम-श्रेणी" (first-class) एक्शन इनपुट के रूप में मानता है।
रिकरेंट ट्रांजिशन ( $G$ ): एक गेटेड रिकरेंट यूनिट (GRU) जो फ्यूज्ड स्ट्रीम $[z_t; u_t]$ को हिडन स्टेट ( $h_t$ ) में प्रसारित करता है।
प्रेडिक्शन हेड ( $H$ ): दो आउटपुट उत्पन्न करता है: एक स्पष्ट नेक्स्ट-ऑब्जर्वेशन प्रेडिक्शन ( $\hat{y}_{t+1}$ ) सुपरवाइज्ड फोरकास्टिंग के लिए और एक नेक्स्ट-लेटेंट प्रेडिक्शन ( $\hat{z}_{t+1}$ ) क्लोज्ड-लूप डायनेमिक्स के लिए।

2. प्रशिक्षण उद्देश्य (Training Objective)

मॉडल को छह-टर्म ऑब्जेक्टिव फंक्शन ( $L$ ) के तहत प्रशिक्षित किया जाता है ताकि शारीरिक सुसंगतता सुनिश्चित की जा सके और रिप्रेजेंटेशन कोलैप्स को रोका जा सके:

नेक्स्ट-ऑब्जर्वेशन सुपरविजन ( $L_y$ ): लक्षित ऑब्जर्वेबल (जैसे, eGFR) पर SmoothL1 लॉस।
नेक्स्ट-लेटेंट प्रेडिक्शन ( $L_z$ ): JEPA-शैली का लॉस जो प्रेडिक्टेड लेटेंट को एनकोडेड ऑब्जर्व्ड स्टेट के साथ संरेखित करता है।
SIGReg रेगुलराइजेशन ( $L_{SIGReg}$ ): बिना किसी सहायक पर्यवेक्षण के लेटेंट कोलैप्स को रोकने के लिए कैरेक्टरिस्टिक फंक्शन्स पर आधारित एक आइसोट्रोपिक गौसियन रेगुलराइज़र।
फिजियोलॉजी-अवेयर शेप प्रायर्स (Physiology-Aware Shape Priors):
- स्लोप कंसिस्टेंसी ( $L_{slope}$ ): प्रेडिक्टेड एक-पीरियड परिवर्तनों को देखे गए परिवर्तनों के साथ संरेखित करता है।
- लोकल कंटीन्यूटी ( $L_{cont}$ ): हबर लॉस (Huber loss) जो छोटे, निरंतर पूर्वाग्रहों को हतोत्साहित करता है।
- लार्ज-जंप पेनल्टी ( $L_{jump}$ ): नैदानिक रूप से अकल्पनीय सिंगल-पीरियड जम्प्स के लिए एक हिंज-स्टाइल पेनल्टी।

3. प्रशिक्षण प्रोटोकॉल (Training Protocol)

प्रशिक्षण-मूल्यांकन बेमेल को संबोधित करने के लिए, CMWM एक रोलआउट-प्रिफिक्स ट्रेनिंग प्रोटोकॉल का उपयोग करता है। मानक टीचर-फोर्स्ड ट्रेनिंग के बजाय, मॉडल को उन प्रक्षेप पथों पर प्रशिक्षित किया जाता है जहाँ प्रेडिक्टेड टारगेट ऑब्जर्वेबल्स को अगले चरण के नैदानिक स्टेट में फीडबैक के रूप में वापस डाला जाता है (ऑटो-रिग्रेसिव अनरोलिंग)। यह सुनिश्चित करता है कि मॉडल उसी मल्टी-स्टेप एरर के विरुद्ध अनुकूलित है जो यह परिनियोजन (deployment) के दौरान प्रदर्शित करता है।

4. इन्फरेंस स्टेबिलाइजेशन (Inference Stabilization)

इन्फरेंस के समय, एक वैकल्पिक "फर्स्ट-स्टेप एंकर" लागू किया जाता है, जो हालिया-ट्रेंड एक्सट्रपोलेशन और क्लिनिकली प्लॉसिबल मैग्नीट्यूड तक क्लिपिंग के साथ पहले प्रेडिक्शन को कॉनवेक्सली संयोजित करता है, ताकि शुरुआती बाउंड्री जम्प्स को रोका जा सके।

केस स्टडी: क्रोनिक किडनी डिजीज (CKD)

फ्रेमवर्क को मान्य करने के लिए, लेखकों ने 2,232 रोगियों (15,070 पेशेंट-वर्ष) के कोहॉर्ट में वार्षिक अनुमानित ग्लोमेरुलर फिल्ट्रेशन रेट (eGFR) प्रक्षेप पथ फोरकास्टिंग के लिए CMWM को स्थापित किया।

इनपुट्स: वार्षिक नैदानिक अवस्थाएं (eGFR, वाइटल्स, लैब्स), संरचित हस्तक्षेप (62 बाइनरी ड्रग फीचर्स), और कम्युनिकेशन एक्शन्स (पेशेंट-हेल्थ-कोच चैट ट्रांसक्रिप्ट्स के 256-डायमेंशनल सिमेंटिक एम्बेडिंग्स)।
बेसलाइन: समान इतिहास और हस्तक्षेप विवरणों के साथ स्ट्रक्चर्ड प्रॉम्प्टिंग का उपयोग करने वाला एक ट्यून किया गया GPT-5.5 मॉडल।

परिणाम

डायनामिक-50% हिस्ट्री रोलआउट टेस्ट (जहाँ रोगी के इतिहास का 50% संदर्भ के रूप में उपयोग किया जाता है और मॉडल शेष भविष्य की भविष्यवाणी करता है) पर:

परफॉरमेंस: CMWM ने 7.384 का MAE और 10.256 का RMSE प्राप्त किया।
तुलना: GPT-5.5 बेसलाइन ने 7.964 का MAE और 11.069 का RMSE प्राप्त किया।
सुधार: CMCM ने बेसलाइन की तुलना में MAE में −7.28% और RMSE में −7.35% का सुधार दिखाया।
एब्लेशन (Ablation): प्रदर्शन लाभ मुख्य रूप से कम्युनिकेशन-एक्शन चैनल के समावेश से प्रेरित था। सिमेंटिक एम्बेडिंग्स को रॉ कम्युनिकेशन वॉल्यूम स्टैटिस्टिक्स से बदलने पर लाभ वापस नहीं मिल सका, जो दर्शाता है कि प्रेडिक्टिव सिग्नल अर्थपूर्ण सामग्री (semantic content) में निहित है। इसके अलावा, एक स्प्लिट एनकोडर (स्ट्रक्चर्ड और टेक्स्ट एक्शन्स को अलग करना) ने लॉन्ग-होरिज़न परफॉरमेंस को कम कर दिया, जो सुझाव देता है कि "वाइड" जॉइंट एनकोडिंग क्लोज्ड-लूप रोलआउट के लिए अधिक स्थिर है।
दक्षता (Efficiency): CMWM इंस्टेंस में लगभग 0.79 मिलियन ट्रेन करने योग्य पैरामीटर्स हैं, जो GPT-5.5 बेसलाइन की तुलना में कई गुना छोटा है, फिर भी यह लॉन्ग-होरिज़न कंसिस्टेंसी में बेहतर प्रदर्शन करता है।

महत्व और दावे

यह पेपर दावा करता है कि CMWM मेडिकल वर्ल्ड मॉडलिंग में एक महत्वपूर्ण कदम है क्योंकि:

कम्युनिकेशन को एक्शन के रूप में औपचारिक बनाना: यह पहला मेडिकल वर्ल्ड मॉडल है जो पेशेंट-हेल्थ-कोच टेक्स्ट एक्सचेंज को सहायक संदर्भ के बजाय एक प्राथमिक हस्तक्षेप सिग्नल के रूप में मानता है।
प्रशिक्षण-मूल्यांकन अंतराल को पाटना: रोलआउट-प्रिफिक्स प्रोटोकॉल एक ठोस रेसिपी प्रदान करता है कि ऑटो-रिग्रेसिव क्लिनिकल मॉडल्स को उनकी अपनी प्रेडिक्शन त्रुटियों के प्रति मजबूत कैसे बनाया जाए।
शारीरिक सुसंगतता (Physiological Plausibility): शेप प्रायर्स (स्लोप, कंटीन्यूटी, जम्प पेनल्टी) का एकीकरण यह सुनिश्चित करता है कि दीर्घकालिक रोलआउट चिकित्सकीय रूप से यथार्थवादी बने रहें, जिससे LLM-ओनली सिमुलेटरों में होने वाले ड्रिफ्ट से बचा जा सके।
डोमेन एग्नोस्टिक (Domain Agnostic): हालांकि इसे CKD पर प्रदर्शित किया गया है, फ्रेमवर्क को एक सामान्य टेम्पलेट के रूप में प्रस्तुत किया गया है जिसे किसी भी क्रोनिक स्थिति (जैसे, मधुमेह में HbA1c, हाइपरटेंशन में ब्लड प्रेशर) पर लागू किया जा सकता है जिसमें आवधिक नैदानिक अवस्थाएं संरचित और संवादात्मक हस्तक्षेपों के साथ जुड़ी होती हैं।

लेखक इस बात पर जोर देते हैं कि जबकि CKD इंस्टेंशिएशन मूल्य प्रदर्शित करता है, फ्रेमवर्क एक कॉज़ल एस्टिमेटर नहीं है और इसे विविध, वृद्ध आबादी में नैदानिक तैनाती से पहले और अधिक बाहरी सत्यापन की आवश्यकता है। प्राथमिक योगदान स्थिर, दीर्घ-अवधि रोगी प्रक्षेप पथ सीखने के लिए वास्तुशिल्प और प्रशिक्षण रेसिपी है।