CACSurv: Previsione della Sopravvivenza al Cancro Basata su LLM da Referti dei Pazienti

Un nuovo articolo di ricerca introduce CACSurv, un metodo per la previsione della sopravvivenza al cancro che sfrutta i modelli linguistici di grandi dimensioni (LLM) per analizzare i referti dei pazienti. Lo studio, disponibile su arXiv (2608.16594), affronta due discrepanze chiave negli approcci esistenti: una discrepanza di formulazione, in cui la valutazione della sopravvivenza si basa sull'ordinamento di pazienti comparabili ma le previsioni temporali indipendenti mancano di coerenza di ranking, e una discrepanza di supervisione, in cui i tempi osservati dei pazienti censurati indicano solo la sopravvivenza oltre quel punto, non obiettivi di regressione esatti. CACSurv impiega l'apprendimento comparativo allineato alla concordanza per allineare le previsioni dell'LLM con l'ordinamento di sopravvivenza. L'articolo evidenzia l'uso sottovalutato dei referti dei pazienti, che organizzano evidenze patologiche, cliniche e molecolari, per la previsione della sopravvivenza. Il metodo proposto mira a migliorare la pianificazione del trattamento, la stratificazione del rischio e la gestione del follow-up fornendo stime di sopravvivenza più accurate. La ricerca fa parte degli sforzi in corso per integrare gli LLM nell'IA medica, in particolare per l'oncologia. L'articolo è stato annunciato su arXiv con ID 2608.16594.