KT-LLM: un marco de texto de secuencia y basado en evidencia auditable para la modelización de trasplantes de riñón

Área de la Ciencia:

• Nefrología e Informática Biomédica
• Inteligencia Artificial en la Atención Médica
• Ciencia de Datos Clínicos

Sus antecedentes:

• El trasplante de riñón (TR) en el mundo real se enfrenta a desafíos con un seguimiento inconsistente y la adherencia a las políticas.
• Existe una desconexión entre los datos estructurados y las reglas clínicas, lo que afecta la presentación de informes y la reproducibilidad.
• Los sistemas existentes carecen de un razonamiento auditable basado en directrices clínicas autorizadas.

Objetivo del estudio:

• Presentar KT-LLM, una capa de orquestación auditable para flujos de trabajo de trasplante de riñón.
• Unir el modelado de secuencias con el razonamiento consciente de las políticas para mejorar la toma de decisiones clínicas.
• Garantizar que la toma de decisiones clínicas se base en fuentes autorizadas y versionadas como la patología de Banff y las políticas de OPTN/SRTR.

Principales métodos:

• Se desarrolló KT-LLM, un sistema de generación aumentado por recuperación que utiliza documentos de políticas versionadas.
• Se integraron tres agentes auditables: SRTR-MambaSurv para la predicción de la supervivencia, OPTN-BlackClust para la identificación de subtipos y Policy-Ops para las comprobaciones de cumplimiento.
• Se utilizaron cohortes de OPTN y UNOS desidentificadas para la validación.

Principales resultados:

• KT-LLM demostró una atribución de evidencia y una calibración predictiva superiores en comparación con los puntos de referencia.
• El sistema identificó con éxito subgrupos distintos entre los receptores negros, alineándose con la heterogeneidad de los resultados.
• KT-LLM proporcionó resultados auditables y versionados para mejorar el cumplimiento y reducir los errores subjetivos.

Conclusiones:

• KT-LLM ofrece una solución práctica para flujos de trabajo de trasplante de riñón auditables y sincronizados con el reloj.
• El sistema mejora la reproducibilidad, el seguimiento de la equidad y la estandarización de la práctica clínica.
• KT-LLM aborda las necesidades insatisfechas de atención de trasplantes de riñón escalable y confiable.