Policy4OOD：一种知识引导的世界模型用于针对阿片类药物过量危机的政策干预模拟

阿片类药物危机仍是美国最严重的公共卫生问题之一，但在实施前评估政策干预效果具有挑战性。本文提出Policy4OOD，一种知识引导的时空世界模型，旨在解决政策干预模拟中的三个核心问题：政策规定了哪些内容、影响在何处显现以及何时发生。该模型整合了政策知识图谱、州级空间依赖关系和社会经济时间序列数据，通过条件Transformer进行未来阿片类药物使用结果的预测。训练后，该模型可作为模拟器，支持反事实分析和基于蒙特卡洛树搜索的政策优化。实验表明，空间依赖性和结构化政策知识显著提升了预测准确性，验证了世界建模在数据驱动公共卫生决策支持中的潜力。