近日，中國科學(xué)院合肥物質(zhì)科學(xué)研究院健康所李海研究員團(tuán)隊在肝細(xì)胞癌（HCC）免疫治療反應(yīng)預(yù)測研究中取得進(jìn)展。團(tuán)隊首次系統(tǒng)性評估了當(dāng)前主流大語言模型（Large Language Models, LLMs）在肝癌治療效果預(yù)測中的應(yīng)用潛力和價值，為AI驅(qū)動的精準(zhǔn)醫(yī)療提供了實踐和參照。相關(guān)成果已發(fā)表于醫(yī)學(xué)信息學(xué)領(lǐng)域的國際權(quán)威期刊 Journal of Medical Systems。

HCC是全球范圍內(nèi)發(fā)病率和致死率均居前列的惡性腫瘤，免疫檢查點抑制劑（ICIs）聯(lián)合靶向治療是晚期HCC治療的重要手段，但綜合有效率僅為30%左右。因此，臨床需要新的策略來優(yōu)化針對HCC患者的免疫療法使用路徑，特別是迫切需要新的預(yù)后判斷工具來識別最有可能從這些療法中受益的患者，以減輕由于免疫異質(zhì)性而帶來的個體療效的顯著差異。

近年來快速發(fā)展的大語言模型（LLMs），包括GPT-4o、Google Gemini和DeepSeek等，由于其出色的文本、圖像理解以及推理能力，為包括醫(yī)學(xué)在內(nèi)的各個領(lǐng)域帶來了革命性的變化。在最近的一些AI+醫(yī)學(xué)研究中，LLMs模型也已表現(xiàn)出熟練的病變檢測和分類能力，但它們在復(fù)雜醫(yī)學(xué)推理任務(wù)（如，基于多模態(tài)數(shù)據(jù)的HCC免疫療法反應(yīng)預(yù)測）中的準(zhǔn)確性仍不確定。同時，臨床專家如何更好地使用快速發(fā)展的LLMs工具，實現(xiàn)真正的臨床混合智能決策也是一個重要的話題。

在此背景下，研究團(tuán)隊引入大語言模型（LLMs），包括GPT-4、GPT-4o與Google Gemini等，探索其在整合多模態(tài)臨床數(shù)據(jù)（包括病人信息與CT圖像等）以預(yù)測免疫治療反應(yīng)中的潛力。該研究采用186例不可切除HCC患者的多中心臨床數(shù)據(jù)，通過“零樣本提示”（zero-shot prompting）方式，構(gòu)建了一個與臨床專家對標(biāo)的診斷測試體系。團(tuán)隊評估了多種決策策略（“投票法”與“或規(guī)則”法）對LLMs預(yù)測性能的影響，并引入“Gemini-GPT”模型對結(jié)果進(jìn)行整合優(yōu)化。

研究結(jié)果顯示，Gemini-GPT模型在準(zhǔn)確率方面已接近具有15年以上臨床經(jīng)驗的高級醫(yī)生，顯著優(yōu)于初級和中級醫(yī)生的表現(xiàn)。此外，該模型預(yù)測所需時間遠(yuǎn)低于人工診斷，體現(xiàn)出極強的效率優(yōu)勢與臨床可操作性。進(jìn)一步的分析表明，Gemini-GPT對不同治療方案與不同疾病階段患者，均表現(xiàn)出良好的預(yù)測穩(wěn)定性與魯棒性。值得一提的是，LLMs在本研究中展現(xiàn)出比醫(yī)生更高的判斷一致性，尤其在對“響應(yīng)者”識別的敏感度優(yōu)化上，通過“或規(guī)則”策略實現(xiàn)了更強的臨床實用性。

這項研究不僅驗證了AI大模型在復(fù)雜醫(yī)療推理任務(wù)中的可行性，也為未來構(gòu)建基于AI的智能輔助診療系統(tǒng)提供了重要理論基礎(chǔ)與實踐模板。