PANCDetect:通过使用LLM嵌入式的多模式EHR数据对胰腺癌的早期检测
Zicheng Jin1, Xuhui Guo1, Zehua Wang1,2
1Department of Computational Medicine and Bioinformatics, University of Michigan, Ann Arbor, MI, USA.
medRxiv : the preprint server for health sciences
|November 24, 2025
概括
PANCDetect是一个使用电子健康记录和大型语言模型的新框架,可以准确地预测胰腺癌风险. 这种方法可以帮助识别高风险患者进行及时查并提高生存率.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 胰腺癌 (PANC) 往往由于微妙的症状而被诊断为晚期,导致高死亡率.
- 目前的成像方法 (MRI,CT) 是准确的,但对于广泛的查来说并不实用.
- 电子健康记录 (EHR) 为早期疾病风险预测提供了一个可扩展的数据源.
研究的目的:
- 引入 PANCDetect,这是一个用于早期胰腺癌风险预测的多式模式框架.
- 从EHR数据中利用大型语言模型 (LLM) 衍生的嵌入.
- 为了验证框架的准确性和普遍性,在不同的患者队列中进行验证.
主要方法:
- 开发了PANCDetect,这是一个基于变压器的架构,集成了来自诊断,程序,药物和实验室测试的LLM嵌入.
- 在大型EHR数据集 (MarketScan,UMPH,OneFlorida+) 上训练并验证了模型.
- 使用AUROC和AUPRG评估性能,并使用集成梯度评估特征重要性.
主要成果:
- PANCDetect实现了强大的预测性能,其6个月的AUROC高达0.812 (MarketScan) 和0.793 (OneFlorida+).
- 在UMPH数据上微调实验室数据显著改善了性能 (AUROC 0.927,AUPRG 0.979在6个月).
- 外部验证证明了良好的概括性,归因分析确定了糖尿病和家族癌症史等关键风险因素.
结论:
- PANCDetect代表了一种先进的方法,用于早期胰腺癌预测,使用多式联络电子健康记录数据和LLM嵌入.
- 该框架准确,可解释和可通用,显示出高风险个体精确查的前景.
- 这种方法有可能改善患者的生存结果,而不会增加医疗保健成本.
