MOSAIC menggunakan LLM agentic untuk menilai keparahan rekam medis klinis

Para peneliti mengembangkan MOSAIC, sebuah kerangka kerja model bahasa besar (LLM) agentic dua fase untuk fenotipe keparahan, dengan menggunakan diabetes tipe 2 sebagai bukti konsep. Sistem ini mensintesis bukti klinis dan melakukan penalaran atas Rekam Medis Elektronik untuk menangkap keparahan penyakit multidimensi.

• Dievaluasi pada kohort sintetis dari 5.086 pasien terhadap tiga kebenaran dasar algoritmik (DCSI, DiSSCo, Cooper) dan hasil mortalitas.
• MOSAIC bobot terbuka mencocokkan pipa tertutup dengan kappa tertimbang sebesar 0,773.
• Kerangka kerja ini mencakup domain yang tidak ada dalam pembanding, termasuk stadiasi glikemik berbasis biomarker dan determinan sosial kesehatan.
• Tingkatan berbasis agen menunjukkan pemisahan signifikan dari mortalitas semua penyebab (log-rank p < 0,001) dan menyimpang dari eksekusi deterministik (kappa = 0,428).

Studi ini menunjukkan bahwa sistem LLM agentic dapat menghasilkan dan menerapkan fenotipe keparahan yang bermakna secara klinis dari data EHR terstruktur.