Los investigadores presentan HCC-STAR, un modelo de lenguaje grande diseñado para leer narrativas rutinarias de historias clínicas electrónicas con el fin de estratificar el riesgo y orientar el tratamiento en el carcinoma hepatocelular. El sistema emite conjuntamente la estadificación basada en puntuaciones de riesgo, tratamientos clasificados según las guías con fundamentos basados en evidencia, y estimaciones individualizadas de supervivencia.
- Entrenado con aproximadamente 30.000 casos de HCC del SEER, ampliados a narrativas estilo EMR mediante una augmentación validada por clínicos.
- Optimizado mediante una recompuesta compuesta verificable paso a paso para superar la memorización a nivel de texto de las guías clínicas.
- Logró un rendimiento de vanguardia en una cohorte multicentro de 6.668 pacientes en 12 hospitales en China.
- Superó a GPT-5 y Gemini-2.5 Pro en los benchmarks de recomendación de tratamiento y estratificación de riesgo.
- El análisis hipotético mostró una mediana de supervivencia de 51 meses bajo las recomendaciones de HCC-STAR, frente a 29 y 32 meses para las guías BCLC y CNLC.
- Especialistas ciegos calificaron el razonamiento del modelo como confiable, y ayudó a los médicos a tomar decisiones más precisas y rápidas como asistente.
Los hallazgos respaldan a HCC-STAR como un sistema de apoyo a la decisión fiable y verificable que mejora la terapia de precisión y los resultados clínicos para pacientes con carcinoma hepatocelular.