研究者らは、がん患者に対してどの診断モダリティを取得するかを能動的に決定し、予測精度と臨床的侵襲性のバランスを取る自己進化型LLMベースの臨床エージェントであるSAGEAgentを提案した。本システムは、モダリティ選択を逐次決定問題として定式化し、各患者の進化する診断状態について推論するために、臨床ツール、エピソード記憶、および意味記憶を利用する。

  • SAGEAgentは数値予測をテキストに変換する臨床ツールを通じて推論を行う。
  • 類似した過去の症例を取得するためにエピソード記憶を使用し、再利用可能な意思決定パターンには意味記憶を活用する。
  • TCGA-LGG、TCGA-GBM、BraTSの4つの診断モダリティを組み合わせた膠腫コホートでの実験は、競争力のある生存予測精度を示した。
  • このアプローチは、すべてのモダリティが利用可能であると仮定する方法と比較して、平均取得負担を55%削減する。

本研究は、完全なデータの利用可能性を仮定するか、または後続のモダリティの取得を正当化せずに欠損データを受動的に処理する現在のマルチモーダル生存手法の限界に対処する。