Para peneliti menyajikan HCC-STAR, sebuah model bahasa besar yang dirancang untuk membaca narif rekam medis elektronik rutin guna stratifikasi risiko dan panduan pengobatan pada karsinoma hepatoselular. Sistem ini secara bersamaan mengeluarkan penataan stadium berbasis skor risiko, pengobatan yang konsisten dengan pedoman yang diurutkan berdasarkan bukti, serta estimasi kelangsungan hidup yang dipersonalisasi.
- Dilatih pada sekitar 30.000 kasus HCC dari SEER yang diperluas menjadi narif gaya EMR melalui augmentasi yang divalidasi oleh klinisi.
- Dioptimalkan menggunakan reward komposit yang dapat diverifikasi langkah demi langkah untuk melampaui hafalan tingkat teks dari pedoman klinis.
- Mencapai kinerja state-of-the-art dalam kohort multi-pusat dari 6.668 pasien di 12 rumah sakit di Tiongkok.
- Mengungguli GPT-5 dan Gemini-2.5 Pro dalam benchmark rekomendasi pengobatan dan stratifikasi risiko.
- Analisis hipotetis menunjukkan kelangsungan hidup median sebesar 51 bulan di bawah rekomendasi HCC-STAR, dibandingkan dengan 29 dan 32 bulan untuk pedoman BCLC dan CNLC.
- Spesialis yang dibuta menilai penalaran model dapat dipercaya, dan model tersebut membantu dokter membuat keputusan yang lebih akurat lebih cepat sebagai asisten.
Temuan ini mendukung HCC-STAR sebagai sistem pendukung keputusan yang andal dan dapat diverifikasi yang meningkatkan terapi presisi dan hasil klinis bagi pasien karsinoma hepatoselular.