Saga 是一个多模态“患者世界模型”，由北京大学研究者 Youcheng Li 等五位作者提出，论文于 2026 年 10 月 19 日提交至 arXiv，归类为计算机视觉与模式识别（cs.CV），全文共 22 页、含 6 幅图和 4 张表。其核心想法是把单个患者的疾病进程模拟组织成一个可学习的共享状态：模型从患者历史中提取一个统一的患者状态表示，并以此同时预测未来的临床事件、事件发生时间以及多模态影像。与只做单一预测任务的模型不同，Saga 生成的未来事件和时间会被追加回患者历史中，重新编码后再用于推进下一步预测，从而在不依赖真实中间观测的情况下，让疾病轨迹一步步向前滚动。
论文把这一设定称为“in silico ontology”（计算机模拟的本体），即将患者层面的疾病演化表述为一个多模态预测任务，并且可以用真实随访数据来检验。研究规模较大：共纳入 461,370 名患者，覆盖 12 种癌症类型和 112 个中心。评估设计强调模态配对的随访对照，即把模型生成的未来影像与真实观察到的随访影像进行比对，而不是仅依赖抽象指标。
消融实验给出了对“共享患者状态”价值的直接证据。在历史影像保持不变的前提下，去掉患者条件信息后，事件预测的 F1 从 0.716 下降到 0.591，病灶负荷误差从 11.8% 上升到 21.3%，说明模型确实在利用个体化的历史状态来约束未来预测，而非仅靠通用模式。
在自由滚动（free rollout）场景中，Saga 连续推进八步后的事件 F1 为 0.672，而同样起始点的纵向 Transformer 基线为 0.553；同时，时间预测误差比基线低 8.7 天。这说明事件驱动的轨迹推进方式在长程外推中仍能保持比较优势。内部测试集上，一年进展预测的 AUROC 为 0.882；在时间外推和地理外推两种外部评估中，该指标分别为 0.871 和 0.856，表明性能在跨时间和跨机构条件下有所下降但仍保持稳健。
作者总结认为，共享患者状态能够把不同观测尺度上的未来表型连接起来，并以事件驱动的方式推进轨迹，在滚动预测和外部临床评估中维持了可比较的预测优势。Saga 的意义在于把患者级疾病模拟转变为一个可测试的多模态预测问题：模型输出的未来事件、时间与影像都可以直接与真实随访对照。需要指出的是，论文目前报告的是回顾性数据集上的评估结果，外部验证虽包含时间与地理两个维度，但仍需前瞻性临床研究来确认其在真实诊疗流程中的效用。