Проблема избыточной диагностики
В современной онкологии стандартный диагностический процесс часто включает полный набор исследований, даже если для точного прогноза выживаемости пациента достаточно меньшего числа данных. Модальности собираются в порядке возрастания инвазивности: от базовой демографии до сложного геномного профилирования тканей. Существующие мультимодальные модели либо требуют наличия всех данных, либо пассивно обрабатывают пропуски, но не принимают активных решений о целесообразности сбора следующей модальности.
Решение: SAGEAgent
Исследователи представили SAGEAgent (Sequential Acquisition Guided by Experience) — самообучающегося агента на базе больших языковых моделей (LLM). Агент формулирует задачу как последовательное принятие решений, балансируя между предсказательной точностью и клинической инвазивностью. Для этого используются три ключевых механизма:
- Клинические инструменты: перевод числовых предсказаний в текстовые объяснения.
- Эпизодическая память: поиск похожих прошлых случаев пациентов.
- Семантическая память: накопление и использование повторяющихся паттернов принятия решений.
Результаты на когорте глиомы
Эксперименты проводились на объединенной когорте glioma, включающей данные TCGA-LGG, TCGA-GBM и BraTS. Модель работала с четырьмя диагностическими модальностями. Результаты демонстрируют, что SAGEAgent достигает конкурентоспособной точности прогноза выживаемости, существенно снижая объем необходимых анализов.
| Метрика | Значение / Описание |
|---|---|
| Снижение нагрузки | 55% (average acquisition burden) |
| Точность прогноза | Конкурентоспособная (competitive) с полными наборами данных |
| Данные | TCGA-LGG, TCGA-GBM, BraTS |
| Модальности | 4 типа (от демографии до геномики) |
Значение для медицины
Подход SAGEAgent меняет парадигму: вместо того чтобы собирать все возможные данные, ИИ-агент активно рассуждает о том, какая следующая модальность необходима для конкретного пациента. Это позволяет избежать ненужных инвазивных процедур, экономя время врачей и ресурсы клиник, а также снижая стресс для пациентов.
Источник: arXiv cs.AI ↗