《Nature Cancer》：An agentic AI system enhances clinical detection of immune-related adverse events in a multi-phase validation study
编辑推荐：
免疫相关不良事件（irAEs）可影响多达40%接受免疫检查点抑制剂治疗的患者，但其识别长期依赖繁琐、不一致的人工病历审阅。研究人员开发了智能体大语言模型系统，从临床文书中提取六类irAEs的存在、时间状态、严重程度分级、归因与确定性。回顾性分析中，该系统对当前
免疫相关不良事件（irAEs）可影响多达40%接受免疫检查点抑制剂治疗的患者，但其识别长期依赖繁琐、不一致的人工病历审阅。研究人员开发了智能体大语言模型系统，从临床文书中提取六类irAEs的存在、时间状态、严重程度分级、归因与确定性。回顾性分析中，该系统对当前事件检测的宏观平均F1达0.92，多分类严重程度分级F1为0.66，自一致性机制使F1提升0.14；最优配置单条病历成本约0.02美元。前瞻性静默部署3个月期间，二分类F1为0.72–0.79。在临床试验人员参与的随机交叉研究中，智能体辅助使标注时间减少2.71分钟（P<0.001），完全匹配准确率提高（比值比1.45；95%置信区间1.01–2.08；P=0.045），标注者间一致性由Krippendorff’s α 0.22–0.51提升至0.82–0.85。研究表明，智能体人工智能结合人工核验，可提升irAE评估的效率、性能与一致性。
研究背景与问题提出
免疫检查点抑制剂（ICI）已重塑肿瘤治疗格局，但可达40%患者会发生免疫相关不良事件（irAEs，immune-related adverse events）。这类毒性可累及多器官，且严重事件可能危及生命。理想的安全监测要求不仅知道“有没有”，还要明确时间状态（当前活跃或既往）、严重程度（按CTCAE分级）、与ICI的归因关系及诊断确定性。然而，大量临床证据以非结构化文本散落在电子健康记录（EHR，electronic health record）中，结构化字段与ICD编码召回有限；传统人工审chart耗时、易错且标注者间差异大。既往自然语言处理（NLP）与早期大语言模型（LLM）研究多停留在“患者/就诊级有无irAE”的二分类，缺乏细粒度属性提取，也难以支持实时监测与监管报告。为此，研究人员构建并验证一套智能体（agentic）LLM系统，在回顾性开发、前瞻性静默部署与人机协同随机研究三阶段中，检验其提取六类irAE细粒度表型的能力与 workflow 价值。论文发表于《Nature Cancer》。
主要技术方法概述
研究人员采用波士顿学术医疗中心2015–2024年接受ICI治疗的回顾性队列病历，聚焦肺炎、肝炎、心肌炎、皮炎、甲状腺炎与结肠炎六类高发或致命性irAE。系统以GPT-4.1-mini为主干，构建多智能体流水线：事件拆分器将文书路由至各器官特异性管道，相继由检测智能体、CTCAE分级智能体、归因智能体与确定性智能体处理；检测与分级阶段引入自一致性（self-consistency）机制，即每阶段并行推理3次并由裁判智能体仲裁。金标准由医师与研究协调员依CTCAE v5.0与既定指南双重标注。随后开展884份病历的前瞻性静默部署，并以17名临床研究人员完成2×2交叉随机人机协同实验，用广义估计方程与Krippendorff’s α评估效率、准确率与一致性。
研究结果
Note-level irAE系统开发与评估（阶段1）
在263份专家标注病历上，默认智能体架构结合自一致性取得最优：时间无关的irAE检测宏观F1为0.93，当前事件检测F1为0.92，既往事件0.91；多类CTCAE分级当前事件宏观F1为0.66，皮炎与甲状腺炎较高、结肠炎较低。归因与确定性二分类F1达0.92–0.94。移除自一致性后检测F1降至0.78，证明多跑共识显著贡献性能；单份病历成本约0.021美元。
前瞻性静默验证（阶段2）
系统接入EHR数据仓库，3个月内处理884份实时文书。性能较回顾性下调但仍具实用价值：当前事件综合二分类F1为0.72，既往0.79；归因F1为0.77，确定性0.80。说明分布偏移下系统可运行，但需持续监测与再校准。
随机用户效应研究（阶段3）
17名临床研究人员标注20份文书。智能体辅助将中位标注时间由428秒降至242秒（减少43.5%），GEE估计少2.71分钟（P<0.001）；完全匹配准确率由19.4%升至25.9%（OR 1.45，P=0.045）；当前分级Krippendorff’s α由0.22–0.51升至0.82–0.85，归因与确定性一致性同步大幅提升。88%参与者偏好AI辅助界面，证据高亮功能被认为关键。
讨论与结论翻译
讨论指出，该研究将irAE识别从劳动密集型回顾审阅，推向可扩展、可审计的实时细粒度提取。智能体分解加自一致性与证据片段抽取，兼顾准确性与可追溯性；多阶段验证框架（回顾—前瞻—人机嵌入）为临床AI落地提供模板。局限包括仅覆盖六类irAE、单中心EHR语言分布、依赖专有模型与未外接患者结局。开放问题为跨机构验证、开源本地化部署与漂移监控。
研究结论部分翻译：
总之，研究人员开发并验证了智能体LLM系统及交互界面，可在回顾与前瞻场景中实时提取irAE的存在、严重度与归因等临床细节。在人机协同下，智能体辅助提升了irAE标修的效率、性能与一致性。经外部验证与以结局为导向的试验后，此类系统有望强化并加速实时安全监测、试验数据标修与高可靠性肿瘤诊疗。
你想把这篇解读压缩成300字摘要，还是整理成答辩式评审意见？
