khan2025causal

CalTwin 通过 Fisher 信息正则化改进医学世界模型

研究人员开发了 CalTwin，这是一种新颖的正则化技术，旨在提高医学世界模型的可靠性。该方法解决了两个关键问题：协变量偏移（源于不同医院和时间段的数据碎片化）和置信度失准（多步预测在高风险临床场景中过于自信）。通过结合基于 Fisher 信息的偏移惩罚和置信度失准惩罚，CalTwin 旨在为下游医学任务提供更准确、更校准的预测。