P³：如何验证医学世界模型真正实现患者个性化

纵向模型预测患者的成像状态如何演变，但准确性并不能显示患者观察到的轨迹是否驱动预测。人口平均预测可能有用，但无法建立针对特定患者的世界模型主张。我们引入“患者、地点、先验”(P$^3$)，这是一种审计，询问预测是否受益于患者的纵向成像历史（患者）、患者匹配的外部提供的空间支持（地点），以及在匹配的支持和背景下获得超出人群平均预测的预测价值（先验）。我们还提出了 Cancer JEPA，这是一种一步模型，可预测新辅助治疗期间未来乳腺动态对比增强 MRI 检查的冻结表征。它将病变约束的神经校正添加到患者调节的低复杂性降阶回归基线中，并使用基于遮挡的潜在目标进行训练。这种分解允许对冻结模型进行事后 P$^3$ 审核。在先前用于开发的验证队列中，当 神经校正接收患者的病史，而不是另一个患者的病史和患者匹配的病变占用图，而不是替代图。然而，将根据患者病史计算的校正与群体平均神经校正进行比较的描述性 95% 区间包括零。因此，P$^3$ 将输入使用与超出人群水平模式的患者特定预测价值的证据分开。