Исследователи представляют HCC-STAR, большую языковую модель, предназначенную для анализа текстов рутинных электронных медицинских карт с целью стратификации рисков и руководства лечением при гепатоцеллюлярной карциноме. Система совместно выдает стадирование на основе балла риска, ранжированные рекомендации по лечению в соответствии с клиническими рекомендациями с обоснованием, основанным на доказательствах, и индивидуальные оценки выживаемости.
- Обучена на примерно 30 000 случаев HCC из базы SEER, преобразованных в форматы, похожие на электронные медицинские карты, с помощью аугментации, проверенной клиницистами.
- Оптимизирована с использованием пошагово проверяемой комплексной функции вознаграждения для преодоления простого запоминания клинических рекомендаций на уровне текста.
- Достигла наилучших результатов в многоцентровом когорте из 6 668 пациентов в 12 больницах Китая.
- Превзошла GPT-5 и Gemini-2.5 Pro в бенчмарках по рекомендациям по лечению и стратификации рисков.
- Гипотетический анализ показал медианную выживаемость 51 месяц при рекомендациях HCC-STAR против 29 и 32 месяцев для руководств BCLC и CNLC.
- Слепые специалисты оценили рассуждения модели как заслуживающие доверия, и она помогла врачам принимать более точные решения быстрее в качестве ассистента.
Результаты подтверждают HCC-STAR как надежную и проверяемую систему поддержки принятия решений, которая повышает точность терапии и клинические исходы для пациентов с гепатоцеллюлярной карциномой.