相关实验视频
Updated: Jan 12, 2026

08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.4K
用大型语言模型模拟虚拟瘤板:在接受免疫治疗的NSCLC患者中进行试点研究
Rashad Ismayilov1, Ozden Altundag1, Zafer Akcali1,2
1Faculty of Medicine, Department of Medical Oncology, Baskent University, Ankara, Türkiye.
Immunotherapy
|November 5, 2025
概括
一个大型语言模型 (LLM) 准确地模拟了多学科团队 (MDT) 对非小细胞肺癌 (NSCLC) 病例的建议. 这种人工智能决策支持工具通过增强专家临床工作流程来增强癌症护理的承诺.
科学领域:
- 人工智能在医学中的应用
- 瘤学的决策支持
背景情况:
- 多学科团队 (MDT) 对于癌症护理至关重要,但面临着巨大的负担.
- 评估支持这些团队的AI工具是必不可少的.
研究的目的:
- 评估一个大型语言模型 (LLM) 模拟的瘤板,用于非小细胞肺癌 (NSCLC) 病例.
- 用临床决策支持的指南注入来评估LLM的表现.
主要方法:
- 使用谷歌的Gemini 2.5 Pro.分析了十个复杂的NSCLC病例.
- 该LLM通过快速工程提供了国家癌症研究所指导方针.
- 人工智能建议与人类MDT决策进行了比较.
主要成果:
- 该LLM在准确性 (4.9/5.0),一致性 (5.0/5.0) 和适用性 (4.4/5.0) 方面获得了高分.
- 人工智能产生的建议中没有发现安全问题.
- 该LLM并没有产生超出人类MDT的考虑范围的新见解.
结论:
- 带有指导方针的LLM可以可靠地复制复杂NSCLC的MDT建议.
- 准则注射和快速工程是临床环境中LLM可靠性的关键.
- 法律法规可以作为有价值的决策支持工具,增强而不是取代专家判断.

