肝细胞癌（HCC）是一种常见的恶性肿瘤，也是癌症相关死亡的主要原因。现有的指南和分期系统提供的分类过于粗糙，往往忽略了同一阶段内的异质性和电子病历（EMR）中的临床背景。为此，我们推出了HCC-STAR（肝细胞癌分期、治疗与预后），这是一种与临床相结合的大型语言模型，能够读取常规EMR叙述，并共同输出基于风险评分的分期、按指南排名的治疗方案及其基于证据的合理性，以及个性化的生存预估。
我们从SEER数据库中整理了约30,000个HCC病例，并使用临床验证的基于提示的增强工作流程将其扩展为EMR风格的叙述训练数据。在这一语料库上，我们开发了一个知识对齐的推理框架，优化了逐步可验证的复合奖励，超越了对临床指南的文本级记忆。在来自中国12家医院的多中心6688患者队列中，HCC-STAR在治疗推荐和风险分层方面的表现达到了最先进的水平，超越了临床指南和竞争模型，包括GPT-4和Gemini-2.5 Pro。
假设的总体生存分析显示，在遵循HCC-STAR建议的情况下，中位生存期为51个月，而在BCLC和CNLC下分别为29个月和32个月。在以临床医生为中心的评估中，盲审的肝胆专科医生对HCC-STAR的推理和基于证据的理由评定为可信。该模型在治疗准确性上超越了住院医师和主治医师，作为助手时帮助医生更快做出更准确的决策。这些发现支持HCC-STAR作为一个可靠且可验证的决策支持系统，用于HCC的风险分层和精准治疗。
博主点评： HCC-STAR模型的推出标志着临床决策支持系统的一次重要进步。其通过高效整合电子病历数据和推理能力，提升了治疗建议的准确性，为肝细胞癌患者提供了更为个性化的治疗方案。这种创新的应用不仅提升了医生的决策效率，也为临床实践带来了新的可能性。