动态提示增强罕见癌症预后预测：基于电子健康档案的回顾性概念验证研究

《npj Digital Medicine》：Leveraging dynamic prompting for outcome prediction of cancer patients using large language models and electronic health record notes

　　

摘要

从非结构化电子健康档案（EHR）病历中进行预后预测仍具有挑战性，尤其是在大型语言模型（LLM）预训练数据中代表性有限的罕见癌症方面。我们提出了一种动态提示框架，该框架通过检索语义相似的患者案例、构建定制化的少样本提示并整合病历摘要来增强预后预测能力。我们在503例乳腺癌和475例胶质瘤患者的回顾性队列中评估了这一方法，使用的是诊断后前180天的电子健康档案病历。动态提示显著改善了胶质瘤的预后预测效果，而对乳腺癌的改善则较为有限，这与我们的假设一致——即动态提示对罕见癌症更有利。结合摘要驱动与动态提示的联合方法取得了最高的预测性能，同时保持了稳定性。嵌入可视化分析表明，两个队列的结果均与既有的预后标志物相吻合。在这项概念验证研究中，动态提示改善了低发病率癌症（胶质瘤）的预后预测效果，同时在保持常见癌症（乳腺癌）预测性能的前提下展现了潜力，确立了其作为基于LLM从非结构化EHR病历中进行预后预测的有前景的方法。在这些发现可以被推广之前，仍需跨更多低发病率肿瘤类型和医疗机构进行验证。