在阿尔茨海默病（AD）的研究中，预测其转化过程至关重要。传统的生存模型虽然广泛应用于AD风险预测，但通常是静态的，缺乏解释性和自然语言推理能力。为此，我们提出了iLENS，一个基于混合专家（MoE）框架的可解释大型语言模型（LLM）引导的生存预测方法。该方法利用LLM综合结构化的神经影像测量数据和非结构化信息，从而指导专家的路由决策。
我们的框架不仅在预测性能上具备竞争力，同时也能有效进行患者亚型分类。此外，iLENS还提供透明且具有生物学基础的理由来解释其路由决策，从而在高性能生存分析与可解释的临床决策支持之间架起桥梁。
博主点评： iLENS的创新之处在于将LLM与混合专家模型结合，极大地提升了生存分析的解释性和实用性。这种方法不仅有助于临床决策，也为神经影像学领域提供了新的研究方向，值得关注。