官方网站-首页

【导语】近日，中国科学院合肥物质科学研究院健康所李海研究员团队在肝细胞癌（HCC）免疫治疗反应预测方面取得重要进展。团队系统性评估了大语言模型（LLMs）在肝癌治疗效果预测中的应用潜力，为AI驱(qū)动(dòng)的(de)精(jīng)准(zhǔn)医(yī)疗(liáo)提(tí)供(gōng)了(le)新(xīn)路径。相(xiāng)关成(chéng)果(guǒ)已(yǐ)发(fā)表(biǎo)于(yú)国(guó)际(jì)权(quán)威(wēi)期(qī)刊(kān)《Journal of Medical Systems》。研(yán)究(jiū)显(xiǎn)示(shì)，LLMs模(mó)型(xíng)在(zài)预(yù)测(cè)免(miǎn)疫(yì)治(zhì)疗(liáo)反(fǎn)应(yīng)方(fāng)面(miàn)表(biǎo)现(xiàn)出(chū)色(sè)，准(zhǔn)确(què)率(lǜ)接(jiē)近(jìn)高(gāo)级(jí)医(yī)生(shēng)，且(qiě)效(xiào)率(lǜ)远(yuǎn)超(chāo)人(rén)工(gōng)诊(zhěn)断(duàn)，为(wèi)优(yōu)化(huà)HCC患(huàn)者(zhě)的(de)免(miǎn)疫(yì)疗(liáo)法(fǎ)使(shǐ)用(yòng)路径提(tí)供(gōng)了(le)有(yǒu)力(lì)工(gōng)具(jù)。

近(jìn)日(rì)，中(zhōng)国(guó)科(kē)学(xué)院(yuàn)合(hé)肥(féi)物(wù)质(zhì)科(kē)学(xué)研(yán)究(jiū)院(yuàn)健(jiàn)康(kāng)所(suǒ)李(li)海(hǎi)研(yán)究(jiū)员(yuán)团(tuán)队(duì)在(zài)肝(gān)细(xì)胞(bāo)癌(ái)（HCC）免(miǎn)疫(yì)治(zhì)疗(liáo)反(fǎn)应(yīng)预(yù)测(cè)研(yán)究(jiū)中(zhōng)取(qǔ)得(de)进(jìn)展(zhǎn)。团(tuán)队(duì)首(shǒu)次(cì)系(xì)统(tǒng)性(xìng)评(píng)估(gū)了(le)当(dāng)前(qián)主流(liú)大(dà)语(yǔ)言(yán)模(mó)型(xíng)（Large Language Models, LLMs）在(zài)肝(gān)癌(ái)治(zhì)疗(liáo)效(xiào)果(guǒ)预(yù)测(cè)中(zhōng)的(de)应(yīng)用(yòng)潜(qián)力(lì)和(hé)价(jià)值(zhí)，为(wèi)AI驱(qū)动(dòng)的(de)精(jīng)准(zhǔn)医(yī)疗(liáo)提(tí)供(gōng)了(le)实(shí)践(jiàn)和(hé)参(cān)照(zhào)。相(xiāng)关成(chéng)果(guǒ)已(yǐ)发(fā)表(biǎo)于(yú)医(yī)学(xué)信(xìn)息(xi)学(xué)领(lǐng)域的(de)国(guó)际(jì)权(quán)威(wēi)期(qī)刊(kān) Journal of Medical Systems。

HCC是(shì)全球(qiú)范(fàn)围(wéi)内(nèi)发(fā)病(bìng)率(lǜ)和(hé)致(zhì)死(sǐ)率(lǜ)均(jūn)居(jū)前(qián)列(liè)的(de)恶(è)性(xìng)肿(zhǒng)瘤(liú)，免(miǎn)疫(yì)检(jiǎn)查(chá)点(diǎn)抑(yì)制(zhì)剂(jì)（ICIs）联(lián)合(hé)靶(bǎ)向(xiàng)治(zhì)疗(liáo)是(shì)晚(wǎn)期(qī)HCC治(zhì)疗(liáo)的(de)重(zhòng)要(yào)手(shǒu)段(duàn)，但(dàn)综(zōng)合(hé)有(yǒu)效(xiào)率(lǜ)仅(jǐn)为(wèi)30%左(zuǒ)右(yòu)。因(yīn)此(cǐ)，临(lín)床(chuáng)需(xū)要(yào)新(xīn)的(de)策(cè)略(è)来(lái)优(yōu)化(huà)针(zhēn)对(duì)HCC患(huàn)者(zhě)的(de)免(miǎn)疫(yì)疗(liáo)法(fǎ)使(shǐ)用(yòng)路径，特(tè)别(bié)是(shì)迫(pò)切(qiè)需(xū)要(yào)新(xīn)的(de)预(yù)后(hòu)判(pàn)断(duàn)工(gōng)具(jù)来(lái)识(shi)别(bié)最(zuì)有(yǒu)可(kě)能(néng)从(cóng)这(zhè)些(xiē)疗(liáo)法(fǎ)中(zhōng)受(shòu)益(yì)的(de)患(huàn)者(zhě)，以(yǐ)减(jiǎn)轻(qīng)由(yóu)于(yú)免(miǎn)疫(yì)异(yì)质(zhì)性(xìng)而(ér)带(dài)来(lái)的(de)个(gè)体(tǐ)疗(liáo)效(xiào)的(de)显(xiǎn)著(zhe)差(chà)异(yì)。

近(jìn)年(nián)来(lái)快(kuài)速(sù)发(fā)展(zhǎn)的(de)大(dà)语(yǔ)言(yán)模(mó)型(xíng)（LLMs），包(bāo)括(kuò)GPT-4o、Google Gemini和(hé)DeepSeek等(děng)，由(yóu)于(yú)其(qí)出(chū)色(sè)的(de)文本(běn)、图(tú)像(xiàng)理(lǐ)解(jiě)以(yǐ)及(jí)推(tuī)理(lǐ)能(néng)力(lì)，为(wèi)包(bāo)括(kuò)医(yī)学(xué)在(zài)内(nèi)的(de)各(gè)个(gè)领(lǐng)域带(dài)来(lái)了(le)革(gé)命(mìng)性(xìng)的(de)变(biàn)化(huà)。在(zài)最(zuì)近(jìn)的(de)一(yī)些(xiē)AI+医(yī)学(xué)研(yán)究(jiū)中(zhōng)，LLMs模(mó)型(xíng)也(yě)已(yǐ)表(biǎo)现(xiàn)出(chū)熟(shú)练(liàn)的(de)病(bìng)变(biàn)检(jiǎn)测(cè)和(hé)分(fēn)类(lèi)能(néng)力(lì)，但(dàn)它(tā)们(men)在(zài)复(fù)杂医学推理任务（如，基于多模态数据的HCC免疫疗法反应预测）中的准确性仍不确定。同时，临床专家如何更好地使用快速发展的LLMs工具，实现真正的临床混合智能决策也是一个重要的话题。

在此背景下，研究团队引入大语言模型（LLMs），包括GPT-4、GPT-4o与Google Gemini等，探索其在整合多模态临床数据（包括病人信息与CT图像等）以预测免疫治疗反应中的潜力。该研究采用186例不可切除HCC患者的多中心临床数据，通过“零样本提示”（zero-shot prompting）方式，构建了一个与临床专家对标的诊断测试体系。团队评估了多种决策策略（“投票法”与“或规则”法）对LLMs预测性能的影响，并引入“Gemini-GPT”模型对结果进行整合优化。

研究结果显示，Gemini-GPT模型在准确率方面已接近具有15年以上临床经验的高级医生，显著优于初级和中级医生的表现。此外，该模型预测所需时间远低于人工诊断，体现出极强的效率优势与临床可操作性。进一步的分析表明，Gemini-GPT对不同治疗方案与不同疾病阶段患者，均表现出良好的预测稳定性与鲁棒性。值得一提的是，LLMs在本研究中展现出比医生更高的判断一致性，尤其在对“响应者”识别的敏感度优化上，通过“或规则”策略实现了更强的临床实用性。

这项研究不仅验证了AI大模型在复杂医疗推理任务中的可行性，也为未来构建基于AI的智能辅助诊疗系统提供了重要理论基础与实践模板。