LongAgent：历史引导的纵向结局预测特征搜索

从纵向数据提取能预测未来结局的信息表示仍是医学挑战。医疗数据天然异质，含大量来自不同来源、时间间隔不同、反映不同健康方面的变量，需要识别有预测价值变量、处理纵向信息并整合多个变量。我们提出智能体方法LongAgent，自主搜索变量集合、时间窗口和纵向聚合函数组合，发现有希望的候选。它用先前搜索的历史记忆与数值证据引导后续探索。在合成数据上平均预测RMSE为1.7376，相比最强非智能体基线改善0.0151，95%置信区间[0.0045,0.0260]，p=0.0273；在真实临床数据上，与最佳基线相当。