Pesquisadores desenvolveram o MOSAIC, um framework de modelo de linguagem grande agêntico de duas fases para fenotipagem de gravidade, usando diabetes tipo 2 como prova de conceito. O sistema sintetiza evidências clínicas e raciocina sobre Prontuários Eletrônicos de Saúde para capturar a gravidade multidimensional da doença.

  • Avaliado em uma coorte sintética de 5.086 pacientes contra três verdades fundamentais algorítmicas (DCSI, DiSSCo, Cooper) e desfechos de mortalidade.
  • O MOSAIC de pesos abertos igualou o pipeline proprietário com uma kappa ponderada de 0.773.
  • O framework abrange domínios ausentes nos comparadores, incluindo estadiamento glicêmico baseado em biomarcadores e determinantes sociais da saúde.
  • Camadas baseadas em agentes mostraram separação significativa da mortalidade por todas as causas (log-rank p < 0.001) e divergiram da execução determinística (kappa = 0.428).

O estudo demonstra que sistemas LLM agênticos podem gerar e aplicar fenotipos de gravidade clinicamente significativos a partir de dados EHR estruturados.