官方网站-首页
【导语】近日，中国科学院合肥物质科学研究院健康所李海研究员团队在肝细胞癌（HCC）免疫治疗反应预测方面取得重要进展。团队系统性评估了大语言模型（LLMs）在肝癌治疗效果预测中的应用潜力，为AI驱动的精准医疗提供了新路径。相关成果已发表于国际权威期刊(kān)《Journal of Medical Systems》。研(yán)究(jiū)显(xiǎn)示(shì)，LLMs模(mó)型(xíng)在(zài)预(yù)测(cè)免(miǎn)疫(yì)治疗反应方面表现出色，准确率接近高级医生，且效率远超人工诊断，为优化HCC患者的免疫疗法使用路径提供了有力工具。
近日，中国科学院合肥物质科学研究院健康所李海研究(jiū)员(yuán)团(tuán)队(duì)在(zài)肝(gān)细(xì)胞(bāo)癌(ái)（HCC）免(miǎn)疫(yì)治(zhì)疗(liáo)反(fǎn)应(yīng)预(yù)测(cè)研(yán)究中取得进展。团队首次系统性评估了当前主流大语言模型（Large Language Models, LLMs）在肝癌治疗效果预测中的应用潜力和价值，为AI驱动的精准医疗提供了实践和参照。相关成(chéng)果(guǒ)已发表于医学信息学领域的国际权威期刊 Journal of Medical Systems。
HCC是全球范围内发病率和致死率均居前列的恶性肿瘤，免疫检查点抑制剂（ICIs）联合靶向治疗是晚期HCC治疗的重要手段，但综合(hé)有(yǒu)效(xiào)率(lǜ)仅(jǐn)为(wèi)30%左(zuǒ)右(yòu)。因(yīn)此(cǐ)，临(lín)床(chuáng)需(xū)要(yào)新(xīn)的(de)策(cè)略(è)来(lái)优(yōu)化(huà)针(zhēn)对(duì)HCC患(huàn)者(zhě)的(de)免(miǎn)疫(yì)疗(liáo)法(fǎ)使(shǐ)用(yòng)路径，特(tè)别(bié)是(shì)迫(pò)切(qiè)需(xū)要(yào)新(xīn)的(de)预(yù)后(hòu)判(pàn)断(duàn)工(gōng)具(jù)来(lái)识(shi)别(bié)最(zuì)有(yǒu)可(kě)能(néng)从(cóng)这(zhè)些(xiē)疗法中受益的患者，以减轻由于免疫异质性而带来的个体疗效的显著差异。
近年来快速发展的大语言模型（LLMs），包括GPT-4o、Google Gemini和DeepSeek等，由于其出色的文本、图像理解以及推理能力，为包括医学在内的各个领域带来了革命性的变化。在最近的一些AI+医学研究中，LLMs模型也已表现出熟练的病变检测和分类能力，但它们在复杂医学推理任务（如，基于多模态数据的HCC免疫疗法反应预测）中的准确性仍不确定。同时，临床专家如何更好地使用快速发展的LLMs工具，实现真正的临床混合智能决策也是一个重要的话题。
在此背景下，研究团队引入大语言模型（LLMs），包括GPT-4、GPT-4o与Google Gemini等，探索其在整合多模态临床数据（包括病人信息与CT图像等）以预测免疫治疗反应(yīng)中(zhōng)的(de)潜(qián)力(lì)。该(gāi)研(yán)究(jiū)采用(yòng)186例(lì)不(bù)可(kě)切(qiè)除(chú)HCC患(huàn)者(zhě)的(de)多(duō)中(zhōng)心(xīn)临(lín)床(chuáng)数(shù)据(jù)，通(tōng)过(guò)“零(líng)样(yàng)本(běn)提(tí)示(shì)”（zero-shot prompting）方(fāng)式(shì)，构(gòu)建(jiàn)了(le)一(yī)个(gè)与(yǔ)临(lín)床(chuáng)专(zhuān)家(jiā)对(duì)标(biāo)的(de)诊(zhěn)断(duàn)测(cè)试(shì)体(tǐ)系(xì)。团(tuán)队(duì)评(píng)估(gū)了(le)多(duō)种(zhǒng)决(jué)策(cè)策(cè)略(è)（“投票法”与“或规则”法）对LLMs预测性能的影响，并引入“Gemini-GPT”模型对结果进行整合优化。
研究结果显示，Gemini-GPT模型在准确率方面已接近具有15年以上临床经验的高级医生，显著优于初级和中级医生的表现。此外，该模型预测所需时间远低于人工诊断，体现出极强的效率优势与临床可操作性。进一步的分析表明，Gemini-GPT对不同治疗方案与不同疾病阶段患者，均表现出良好的预测稳定性与鲁棒性。值得一提的是，LLMs在本研究中展现出比医生更高的判断一致性，尤其在对“响应者”识别的敏感度优化上，通过“或规则”策略实现了更强的临床实用性。
这项研究不仅验证了AI大模型在复杂医疗推理任务中的可行性，也为未来构建基于AI的智能辅助诊疗系统提供了重要理论基础与实践模板。