电子健康记录
医疗机构在诊疗过程中生成的数字化患者档案，包含诊断编码、用药记录、检验结果等结构化字段及临床笔记等非结构化文本，是观察性研究的重要数据源
时间轴 (近 90 天)
研究建议，真正的突破口可能在于设计能够桥接临床语义与潜空间预测的中间表示，而非更换预测目标。
MLM并未显式鼓励模型学习患者的高层状态（如整体疾病进展或风险分层），而这些是临床下游任务最需要的抽象。
在EHR序列中，患者状态的高层抽象（如疾病进展、共病负担、治疗反应）缺乏公认的、可计算的表示定义，难以转化为适合JEPA预测的密集潜目标。
对实践者而言，短期内MLM仍是纵向EHR预训练的可靠基线。
掩码语言建模（MLM）是Transformer编码器处理纵向电子病历的事实标准预训练目标。
论文指出，JEPA在EHR上的瓶颈不在于预测误差量级，而在于所预测的潜在目标本身是否具有临床意义。
重建单个事件可能使MLM过度强调噪声大或信息量弱的观察，并使其容量浪费在低价值信号上。
一篇新研究提出用块掩码扩散（Block Diffusion, BD）替代自回归（AR）进行纵向EHR零样本预测。
纵向EHR数据的特点是事件在时间上成簇出现、彼此高度关联，AR模型的严格顺序生成假设与这一特性并不完全契合。
基于真实电子健康记录协变量的半合成研究显示，全局训练的策略在一个高风险亚群上出现误泛化，而FDR控制限制了该策略原本会施加的有害治疗数量。
全部知识事实 (10)
研究建议，真正的突破口可能在于设计能够桥接临床语义与潜空间预测的中间表示，而非更换预测目标。
50%待验证论文指出，JEPA在EHR上的瓶颈不在于预测误差量级，而在于所预测的潜在目标本身是否具有临床意义。
50%待验证重建单个事件可能使MLM过度强调噪声大或信息量弱的观察，并使其容量浪费在低价值信号上。
50%待验证MLM并未显式鼓励模型学习患者的高层状态（如整体疾病进展或风险分层），而这些是临床下游任务最需要的抽象。
50%待验证在EHR序列中，患者状态的高层抽象（如疾病进展、共病负担、治疗反应）缺乏公认的、可计算的表示定义，难以转化为适合JEPA预测的密集潜目标。
50%待验证掩码语言建模（MLM）是Transformer编码器处理纵向电子病历的事实标准预训练目标。
50%待验证一篇新研究提出用块掩码扩散（Block Diffusion, BD）替代自回归（AR）进行纵向EHR零样本预测。
50%待验证纵向EHR数据的特点是事件在时间上成簇出现、彼此高度关联，AR模型的严格顺序生成假设与这一特性并不完全契合。
50%待验证对实践者而言，短期内MLM仍是纵向EHR预训练的可靠基线。
50%待验证基于真实电子健康记录协变量的半合成研究显示，全局训练的策略在一个高风险亚群上出现误泛化，而FDR控制限制了该策略原本会施加的有害治疗数量。
50%