Predic‘ng Early-Onset Colorectal Cancer with Large Language Models

文章主要内容总结

1. 研究背景与目的：早发性结直肠癌（EoCRC，年龄<45岁）发病率逐年上升，但现有筛查指南推荐年龄为45岁，导致年轻患者确诊时多为晚期。研究旨在利用电子健康记录（EHR）数据，通过机器学习（ML）和大型语言模型（LLM）预测EoCRC，以实现早期干预。
2. 数据与方法：
   • 回顾性分析美国多个医疗系统的1,953例CRC患者，收集确诊前6个月的患者状况、实验室结果和观察数据。
   • 对比10种ML模型（如逻辑回归、随机森林、XGBoost等）和微调后的GPT-4o LLM的性能。
   • 数据处理：排除家族史、克罗恩病等病例，平衡训练集，使用五折交叉验证优化模型。
3. 主要结果：
   • 微调后的LLM平均敏感性73%，特异性91%，阴性预测值99.7%，优于多数ML模型。
   • ML模型中，梯度提升方法（如XGBoost）和逻辑回归表现较好，但受限于数据不平衡，精度较低。
   • LLM可生成自然语言解释，如通过症状、实验室结果（如癌胚抗原检测、磷酸盐检测）和观察数据（如直肠出血）推理风险。
4. 结论与局限性：
   • LLM在EoCRC预测中具有潜力，可辅助筛查，减少不必要的成本。
   • 局限性：回顾性研究依赖EHR编码数据，存在信息偏差；仅测试GPT-4o，未对比其他LLM；部分患者因医疗