MIRA团队 投稿 量子位 | 公众号 QbitAI 在大模型 （LLM） 与计算机视觉 （CV） 争相重塑医疗行业的今天，我们似乎已经拥有了无所不能的数字助手： 它们能够像放射科医生 一样精准解读CT影像，也能像内科医生一样撰写病历摘要。 但医疗AI世界中，仍有一块关键拼图缺失——那就是理解 "生命动态演变" 的能力。 △ 图1.不同模态的医疗数据 正如图1所示，如果将患者的生命历程比作一部电影，现有的AI往往只能捕捉到零散的帧画： 影像（Image）是"快照" ：定格的仅仅是某一瞬间的解剖结构； 文 本 （Text） 是 "叙述" ：往往只是对既往病情的主观回顾； 唯有 时间序列 （Time Series） ，才忠实记录了生命体征的连续轨迹。 然而，读懂这条"曲线"远比处理静态图像复杂。为此，微软亚洲研究院推出了专为医疗时序数据设计的通用基座模型——MIRA。 该模型基于4540亿个医疗数据点进行大规模预训练，通过两大核心技术突破了传统模型对规则采样的依赖，旨在解决真实世界医疗数据"不 规则、异构性"的难题。 实验表明，MIRA在关键预测任务上的表现超越了现有SOTA模型，并展现出卓越的零样本 （Zero ...