TEDDY：兒科疾病風險預警的基礎模型，用診斷歷史預測疾病發病

研究團隊推出 TEDDY（Temporal Event Decoder for Disease in Youth），這是一個擁有 184 萬參數的解碼器 Transformer 模型。該模型基於單一兒科機構的數據進行訓練，使用了來自 160 萬名兒童的約 7300 萬筆 ICD-10 診斷紀錄。TEDDY 旨在模擬兒童的縱向診斷軌跡與就診時間，其預測是在尚未揭示就診代碼的情況下進行，且僅限於首次發病情況，並與性別及年齡匹配的對照組進行評估。

在涵蓋 16 個 ICD-10 章節的 797 個疾病發病預測任務中，TEDDY 達到了中位數 72.0% 的 AUC。此表現大幅優於使用相同數據的基礎模型，包括 DenseNet（50.0%）、CNN（57.2%）、RNN（60.1%）和 LSTM（62.7%），在 96% 至 99% 的任務中均取得領先。模型表現跨性別與年齡層保持一致，且在患病率較低的診斷中表現最佳；在 225 種最罕見的條件中，有 202 種（90%）的 95% 信賴區間高於隨機水平。

預測信號在首次記錄診斷前超過兩年仍可被檢測到，在不受限分析中中位數 AUC 為 59.7%，在固定隊列敏感性分析中則為 64.4%。在哮喘和注意力缺陷過動症（ADHD）的基準測試中，TEDDY 的 AUC 分別達到 79.3% 和 84.7%，而最強競爭對手（包括一個體積大三個數量級的一般語言模型）的 AUC 分別為 62.7% 和 71.7%。

就診時間預測方面，在 365 天內的平均絕對受限平均生存時間誤差為 3.0 天，但中位數和長尾回歸間距仍存在校準問題。研究結果表明，兒科診斷歷史可作為緊湊生成模型的基礎，支持廣泛、罕見疾病及長週期風險預測，且無需依賴人口規模數據或十億參數模型。