利用混沌理论平衡和潜在动力学对生理信号进行世界建模

生理时间序列信号反映了人体复杂、多尺度的动态过程。现有的建模研究侧重于静态任务，例如分类、事件预测或短期下一步预测，而长期信号级预测和生理信号的预测性质仍未得到充分探索。我们引入了 NormWear-2，这是一种世界模型，它将多元生理信号和临床干预变量编码到共享的潜在空间中，并将它们的联合时间演化建模为动态系统。我们的方法将先前预先训练的知识（直觉）的推论与即时非参数潜在状态转换适应（洞察力）相结合，从而能够在不同的临床干预条件下跨多个时间尺度进行一致的预测。在预训练阶段，我们发现动态状态多样性的混沌理论平衡产生了更稳健的表示，较小的平衡语料库的性能优于其大小的两倍并捕获分叉状态。我们评估了跨不同现实世界生理数据集的世界模型性能，这些数据集涵盖不同的时间分辨率和干预方案，涵盖日常生活、护理点和临床环境，包括健身计划、血液透析、糖尿病管理和手术监测。这些评估数据集包含 8,026 名受试者的记录，研究持续时间从高分辨率信号数据的 3.2 小时到纵向临床生物标志物跟踪的 2.3 年。 NormWear-2 在时间、频率和潜在表示域上实现了最佳的整体预测性能，与最先进的时间序列基础模型相比有了显着改进，同时保持了有竞争力的下游表示质量，为生理信号的通用世界模型迈出了一步。