शोधकर्ताओं ने MOSAIC विकसित किया, जो गंभीरता फेनोटाइपिंग के लिए एक दो-चरण वाला एजेंटिक बड़े भाषा मॉडल फ्रेमवर्क है, जिसमें टाइप 2 डायबिटीज़ को प्रूफ-ऑफ-कॉन्सेप्ट के रूप में उपयोग किया गया। सिस्टम क्लिनिकल सबूतों को संश्लेषित करता है और बीमारी की बहुआयामी गंभीरता को पकड़ने के लिए इलेक्ट्रॉनिक हेल्थकेयर रिकॉर्ड्स पर तर्क लगाता है।
- 5,086 रोगियों की एक संश्लेषित सहोर्ट पर तीन एल्गोरिदमिक ग्राउंड ट्रुथ (DCSI, DiSSCo, Cooper) और मृत्यु परिणामों के खिलाफ मूल्यांकन किया गया।
- ओपन-वेट MOSAIC ने 0.773 की वेटेड कप्पा के साथ प्रोप्राइटरी पाइलाइन से मेल खाया।
- फ्रेमवर्क तुलनीयों में अनुपस्थित डोमेन को कवर करता है, जिसमें बायोमार्कर-आधारित ग्लाइसेमिक स्टेजिंग और स्वास्थ्य के सामाजिक निर्धारक शामिल हैं।
- एजेंट-आधारित तहों ने सभी-कारण मृत्यु दर (log-rank p < 0.001) में महत्वपूर्ण अलगाव दिखाया और निश्चित कार्यप्रवाह से विचलित हुआ (kappa = 0.428)।
अध्ययन दर्शाता है कि एजेंटिक LLM सिस्टम संरचित EHR डेटा से क्लिनिकल रूप से महत्वपूर्ण गंभीरता फेनोटाइप उत्पन्न और लागू कर सकते हैं।