연구진은 간세포암에 대한 위험 계층화 및 치료 지침을 위해 일상적인 전자 의료 기록 내러티브를 읽도록 설계된 대규모 언어 모델인 HCC-STAR를 제시했습니다. 이 시스템은 위험 점수 기반 병기, 증거 기반 근거가 있는 가이드라인 일치 치료의 순위 매기기, 그리고 개인화된 생존 추정을 함께 출력합니다.

  • SEER에서 확장된 약 30,000건의 HCC 사례를 임상적으로 검증된 증강을 통해 EMR 스타일 내러티브로 변환하여 학습했습니다.
  • 임상 가이드라인의 텍스트 수준 암기를 넘어 서기 위해 단계 검증 가능한 복합 보상(reward)을 사용하여 최적화되었습니다.
  • 중국 12개 병원의 6,668명 환자를 대상으로 한 다중 센터 코호트에서 최첨단 성능을 달성했습니다.
  • 치료 추천 및 위험 계층화 벤치마크에서 GPT-5 및 Gemini-2.5 Pro를 능가했습니다.
  • 가설 분석 결과, HCC-STAR 권장 사항 하에서의 중앙값 생존 기간은 51개월로, BCLC 및 CNLC 가이드라인의 29개월 및 32개월을 크게 상회했습니다.
  • 맹검된 전문가들은 모델의 추론을 신뢰할 수 있다고 평가했으며, 보조 도구로서 의사가 더 정확하고 신속한 결정을 내리도록 도왔습니다.

이 결과는 HCC-STAR가 간세포암 환자의 정밀 치료 및 임상 결과를 향상시키는 신뢰할 수 있고 검증 가능한 의사결정 지원 시스템임을 지지합니다.