基于检索增强生成技术的大型语言模型在皮肤鳞状细胞癌风险分层中的创新应用

来自国际团队的研究人员针对皮肤鳞状细胞癌(cSCC)传统风险分层系统(TNM分期/BWH)的局限性，开发了基于检索增强生成(RAG)技术的大型语言模型(GPT)，构建了人工智能风险评分系统(AIRIS)。该研究通过2379例患者验证显示，AIRIS在局部复发(LR)、淋巴结转移(NM)、远处转移(DM)和疾病特异性死亡(DSD)的预测中，曲线下面积(AUC)达0.69-0.85，显著优于现有标准，为精准医疗提供了新范式。

　　

这项突破性研究将检索增强生成(RAG)技术武装的大型语言模型(GPT)引入皮肤鳞状细胞癌(cSCC)预后领域。科研团队构建了包含万亿参数的知识库，开发出人工智能风险评分(AIRIS)系统——通过系统评估肿瘤直径、神经侵犯等风险因素，生成创新性的分级体系。

在2379例随访≥36个月的cSCC患者队列中，AIRIS展现出令人惊艳的预测性能：对远处转移(DM)的敏感性高达82.5%，疾病特异性死亡(DSD)预测的曲线下面积(AUC)达到0.80。与Brigham and Women's Hospital(BWH)和美国癌症联合委员会第8版(AJCC⁸
)分期系统相比，新系统在区分度、同质性和单调性等指标上全面领先。

特别值得注意的是，AIRIS成功破解了传统TNM分期中"同分期不同预后"的难题。数据显示，低风险组患者发生不良结局的比例显著降低，验证了该系统精准"揪出"高危患者的能力。这项成果不仅为cSCC诊疗提供了智能决策工具，更开创了通用大语言模型在专科医疗领域的转化范式。