Large Cancer Assistant (LCA) 是一种模型无关的后期编排框架，旨在解决肿瘤学中单体多模态深度学习模型的僵化问题。它使用基于算法不可渗透性的7元组架构，将数据摄取与临床路由和AI推理解耦。

  • 该系统通过入口理论利用几何深度学习，沿不同的结构和医学轴标准化患者多模态数据。
  • 癌症切换模块动态编排数据，同时将核心AI执行与易变的医院IT基础设施隔离开来。
  • 概念验证演示了可忽略不计的编排开销，并在AI模型交换期间保持了不变的路由投影。
  • 在注入的数据异常下，该框架在生成目标补充数据请求时实现了100%的召回率。

通过建立标准化中间有效载荷，LCA为可扩展的临床决策支持提供了模块化基础，并为下游电子病历互操作性奠定了基础。