从真实世界数据生成反事实患者时间表

反事实模拟——探索替代临床场景下的假设后果——有望实现个性化医疗和计算机试验等变革性应用。然而，由于方法上的限制，它仍然具有挑战性。在这里，我们展示了一个自回归生成模型，该模型根据来自超过 300,000 名患者和 4 亿患者时间线条目的真实数据进行训练，可以生成临床上合理的反事实轨迹。作为一项验证任务，我们将该模型应用于 2023 年因 COVID-19 住院的患者，修改年龄、血清 C 反应蛋白 (CRP) 和血清肌酐来模拟 7 天的结果。在反事实模拟中，观察到随着年龄增长、CRP 升高和血清肌酐升高，院内死亡率增加。瑞德西韦处方在 CRP 值较高的模拟中增加，而在肾功能受损的模拟中减少。这些反事实轨迹再现了已知的临床模式。这些发现表明，以自我监督的方式对真实世界数据进行训练的自回归生成模型可以为反事实临床模拟奠定基础。