微软亚洲研究院公布了一项针对医疗时间序列数据设计的通用AI基座模型——MIRA。该模型基于4540亿个医疗数据点进行预训练，旨在解决真实医疗场景中数据记录不规则、多时间尺度交织的长期挑战。

研究人员指出，现有人工智能模型多依赖于规则采样的理想化假设，难以直接处理重症监护室等场景下“时疏时密”的真实数据。MIRA通过两大核心技术应对这一难题：一是连续时间旋转位置编码（CT-RoPE），使模型能依据真实时间间隔理解数据；二是神经常微分方程（Neural ODE）模块，可模拟生理状态的连续演化轨迹，实现对病情发展的合理推演。

实验显示，在MIMIC-III、MIMIC-IV等数据集上，MIRA在关键预测任务中表现出色，并在未经过特定训练的数据集上展现了较好的迁移能力。即便在数据极度稀疏的情况下，其性能也保持稳定。

该模型的开发为构建更智能的临床预警与健康管理系统提供了新的技术路径。微软亚洲研究院表示：“MIRA旨在从海量医疗数据中学习跨场景的生理动态模式，推动医疗AI向通用化方向发展。”