A Large Language Model Pipeline for Breast Cancer Oncology

要約

大規模言語モデル (LLM) は、多くの分野の革新における可能性を実証してきました。
しかし、腫瘍学に最適な開発方法はまだ開発されていません。
最先端の OpenAI モデルは、新しい Langchain プロンプト エンジニアリング パイプラインを使用して、2 つの重要ながん治療要素、補助放射線療法と化学療法について臨床データセットと臨床ガイドライン テキスト コーパスに基づいて微調整されました。
乳がん患者に対する補助放射線療法と化学療法の分類では、高い精度（0.85+）が達成されました。
さらに、人間の腫瘍学者による治療の質に関する観察データから信頼区間を作成し、全体としてより良い解決策となるためには、モデルが治療予測において元の腫瘍学者を上回らなければならないシナリオの割合を 8.2% ～ 13.3% と推定しました。
がん治療の決定結果には不確実性があるため、モデルがこの閾値を満たしているかどうかを判断するには、将来の調査、場合によっては臨床試験が必要になるでしょう。
それにもかかわらず、米国のがん患者の 85% が地域社会の施設で治療を受けていることから、この種のモデルは、少なくとも人間の腫瘍専門医に近い結果が得られる質の高い治療へのアクセスを拡大する上で重要な役割を果たす可能性があります。

要約(オリジナル)

Large language models (LLMs) have demonstrated potential in the innovation of many disciplines. However, how they can best be developed for oncology remains underdeveloped. State-of-the-art OpenAI models were fine-tuned on a clinical dataset and clinical guidelines text corpus for two important cancer treatment factors, adjuvant radiation therapy and chemotherapy, using a novel Langchain prompt engineering pipeline. A high accuracy (0.85+) was achieved in the classification of adjuvant radiation therapy and chemotherapy for breast cancer patients. Furthermore, a confidence interval was formed from observational data on the quality of treatment from human oncologists to estimate the proportion of scenarios in which the model must outperform the original oncologist in its treatment prediction to be a better solution overall as 8.2% to 13.3%. Due to indeterminacy in the outcomes of cancer treatment decisions, future investigation, potentially a clinical trial, would be required to determine if this threshold was met by the models. Nevertheless, with 85% of U.S. cancer patients receiving treatment at local community facilities, these kinds of models could play an important part in expanding access to quality care with outcomes that lie, at minimum, close to a human oncologist.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google