基于大型语言模型的乳腺癌化疗决策机器学习方法

《Frontiers in Digital Health》：Machine learning for chemotherapy decision-making in breast cancer using large language model

　　

**摘要**
**引言：** 乳腺癌化疗决策因生物学异质性与临床实践的变异性而仍具挑战性。本研究提出了一种整合机器学习（Machine Learning, ML）、因果推理及大型语言模型（Large Language Model, LLM）的混合框架，以改善治疗推荐。
**方法：** 利用METABRIC数据集，研究人员选择了11项治疗前临床病理学变量。开发了随机森林（Random Forest）分类器并与基线ML模型进行比较。通过逆概率加权因果生存分析估计个体化治疗获益，同时采用GPT-4进行少样本提示（few-shot prompting）以生成临床推理依据。
**结果：** 随机森林的曲线下面积（Area Under the Curve, AUC）达到0.91，优于基准模型。因果分析识别出异质性治疗获益及可能安全降级化疗的患者亚组。GPT-4与随机森林之间的Cohen's κ系数为0.13，呈中等程度一致性，且GPT-4始终突出临床相关因素。基于提升（uplift）的ML策略优于“全部治疗”及“不治疗”策略，而GPT-4通过基于推理的解释提升了可解释性。
**讨论：** 通过整合预测性ML、因果生存模型及基于LLM的推理生成，该框架为肿瘤学中个性化且透明的化疗决策支持提供了一种有前景的方法。

### 论文解读：基于机器学习和大型语言模型的乳腺癌化疗决策支持框架

#### 1. 研究背景与现存问题

乳腺癌是全球最常见的癌症之一，化疗决策直接影响患者长期预后。传统上，化疗适应症基于肿瘤大小、组织学分级、淋巴结状态及生物标志物（如雌激素受体ER、孕激素受体PR、人表皮生长因子受体2 HER2）等临床病理因素。然而，即便指南纳入了激素受体和HER2状态，实际治疗分配仍存在显著变异性，导致部分患者接受不必要的化疗，而另一些患者则未能获得足够治疗。这种不确定性凸显了对个性化化疗推荐工具的需求。

既往的标准预测方法（如基于回归的列线图）和较新的机器学习（Machine Learning, ML）分类器主要聚焦于预测复发或生存率，但往往未能充分评估化疗对个体的特异性获益。同时，许多ML模型作为“黑箱”运作，可解释性差，不利于临床信任与责任归属。近年来，大型语言模型（Large Language Model, LLM）通过生成人类可读的解释和综合复杂医学知识，为临床决策支持带来新机遇。然而，现有研究多将ML预测、因果推断和LLM推理独立探索，缺乏将这些组件整合为统一决策支持流水线的系统性框架。此外，多数LLM评估仅依赖与专家推荐的一致性，而非评估其对患者层面结局的实际影响。

#### 2. 研究开展与主要结论

为解决上述问题，研究人员提出了一种混合决策支持框架，整合了ML预测、因果生存建模和LLM推理，用于可解释的化疗推荐分析。使用METABRIC数据集（包含2509例患者，34个变量），基于治疗前临床病理变量（年龄、推断绝经状态、肿瘤大小与分期、阳性淋巴结数、组织学分级、诺丁汉预后指数、ER/PR/HER2 IHC状态及HER2 SNP6状态）训练随机森林（Random Forest）分类器，模拟化疗决策。随后采用逆概率加权（Inverse Probability Weighting, IPW）的Cox比例风险模型进行因果生存提升分析，估计5年个体化治疗获益。最后，集成GPT-4作为推理生成模块，通过少样本提示（few-shot prompting）生成结构化、临床对齐的解释。

主要结论：随机森林模型在化疗决策模拟中表现优异，AUC达0.91，优于逻辑回归、K近邻、支持向量机、梯度提升和神经网络等基线模型。因果提升分析揭示化疗获益在患者间呈异质性，ER阴性、淋巴结阳性亚组获益更大；约25.8%的患者被推荐化疗，支持在低风险人群中安全降级。GPT-4生成的推理政策与随机森林政策中等程度一致（Cohen's κ=0.13），但GPT-4倾向于更积极地推荐化疗；其优势在于提供基于临床因素的推理，提升了模型输出的可解释性。基于提升的ML政策在生存获益上优于“全部治疗”和“不治疗”策略，而GPT-4政策虽略低于ML政策，但高于“不治疗”策略。

#### 3. 主要关键技术方法

- **数据来源与预处理**：采用METABRIC队列（Kaggle公开数据集），选取11项治疗前临床病理变量，对缺失值采用中位数插补（数值型）和“Unknown”类别编码（分类型），并按化疗标签分层划分训练/验证/测试集（70/15/15）。
- **随机森林分类器**：使用300棵决策树，Gini分裂准则，类权重平衡（逆患病率权重），并结合成本敏感阈值优化（以F_β（β=2）最大化召回率）。
- **因果生存提升模型**：通过逻辑回归估计倾向性得分，采用逆概率加权（IPW）进行Cox比例风险模型拟合，分别估计治疗组和对照组的5年生存曲线，计算个体化提升（ΔS_5y）。
- **GPT-4推理模块**：采用少样本提示（5个示例）和确定性解码（temperature=0），基于患者特征生成结构化推理文本，并通过规则后处理提取二元治疗建议（化疗/不化疗）。
- **可解释性分析**：采用SHAP（SHapley Additive exPlanations）评估随机森林的特征贡献，识别关键预测因子（ER状态、年龄、诺丁汉预后指数、淋巴结阳性数等）。

#### 4. 研究结果

**4.1 随机森林性能**
随机森林在测试集上准确率90%，AUC为0.91。对于化疗阳性类，召回率0.68，F1分数0.73；非化疗类召回率0.95。混淆矩阵显示多数误差集中在少数化疗阳性组。OOB误差与测试误差收敛，表明无过拟合。

**4.2 倾向性诊断与因果生存提升分析**
倾向性得分AUC为0.916，IPW有效改善了治疗组与对照组的协变量平衡（标准化均值差SMD降至<0.1），但HER2相关变量仍存在残留不平衡（HER2-IHC SMD=0.685，HER2-SNP6 SMD=-0.375）。提升分析显示5年平均提升（ΔS_5y）为-0.062，中位数为-0.052；约25.8%的患者被推荐化疗。IPW政策值在阈值τ≈0.08时最大（0.387，95%CI 0.276~0.496）。亚组分析表明，ER阴性患者政策值最高（0.600），而ER+/HER2-亚组平均提升较低（-0.077）。

**4.3 LLM（GPT-4）政策结果**
GPT-4政策与随机森林政策的一致性中等（准确率0.43，Cohen's κ=0.13）。GPT-4推荐化疗的患者提升分布显著更高（Mann-Whitney U=335.0, p=0.0016）。政策值比较：全部治疗策略最高（0.436），ML政策0.418，GPT-4政策0.383，不治疗策略最低（0.379）。GPT-4的推理示例表明，其在内分泌治疗适宜病例中正确建议不化疗，但在高危特征（如三阴性、HER2阳性）时倾向于过度推荐。

**4.4 基线比较**
与逻辑回归、KNN、SVM、梯度提升、神经网络相比，随机森林在准确率（0.90）、精确率（0.89）、召回率（0.90）和F1分数（0.89）方面均最优，且学习曲线显示其概率校准最佳。

**4.5 SHAP可解释性分析**
SHAP分析显示，ER状态（IHC）是最重要特征，其次为年龄、诺丁汉预后指数、淋巴结阳性数和肿瘤大小。负向ER状态和较高肿瘤负荷增加化疗推荐概率，与临床实践一致。

#### 5. 讨论与结论

**讨论部分**总结：研究证实随机森林可有效捕捉临床病理变量间的非线性交互，化疗获益在患者间呈非均匀分布。GPT-4在提供可解释性推理方面有价值，但其与基于提升的政策一致性较低（κ=0.13），且倾向于过度推荐化疗。这可能归因于任务本质差异（个体化获益估计 vs. 指南导向推荐）以及提示策略的灵活性。现有LLM研究多采用结构化或链式思维提示，而本研究采用灵活少样本提示，虽增强叙事推理透明度，但可能增加变异性和幻觉风险。SHAP分析支持模型学习的临床合理性。研究局限性包括：依赖单一回顾性队列（METABRIC），可能存在混杂和治疗选择偏倚；仅使用临床病理变量，未纳入基因组或影像学生物标志物；GPT-4政策提取采用规则化解析，可能简化复杂推理。

**结论部分**翻译：本研究引入了一种混合框架，结合基于随机森林的预测、因果生存提升建模及GPT-4推理生成，以辅助乳腺癌化疗决策。随机森林模型实现了平衡的准确率和召回率，优于多个常见基准。提升模型量化了获益的变异性，并识别出可安全降级化疗的亚组。GPT-4提供了与临床因素匹配的基于推理的推荐，提升了可解释性，即使与ML预测的一致性中等。这些要素共同表明，将机器学习与推理生成模型结合可以提供既强大又清晰的决策支持。然而，本研究仅依赖单一回顾性队列（METABRIC），限制了其在不同治疗标准和种族背景人群中的适用性；且仅使用临床病理变量，未纳入基因组特征、影像学生物标志物或多组学数据。未来工作应通过独立队列（如TCGA、SEER）和多机构数据集进行验证，并扩展特征集以包括影像和分子图谱，同时探索因果森林、X-learner和神经生存估计器等方法。