في عالم الطب الحديث، يُعتبر توقع بقاء مرضى السرطان أحد التحديات الكبيرة التي تواجه الأطباء والباحثين. وفي هذه السلسلة العلمية، تم الإعلان عن نموذج جديد يدعى CACSurv، والذي يعد بانطلاقة جديدة في هذا المجال. يعتمد النموذج على استخدام نماذج اللغات الضخمة (Large Language Models) حيث يستند إلى تقارير تتضمن معلومات سريرية وتنموية ومخبرية.

ومع ذلك، يعاني النموذج من مشكلتين رئيسيتين: الأولى تتعلق بالتنسيق، حيث يعتمد تقييم البقاء على ترتيب المرضى القابلين للمقارنة، بينما تحاول التنبؤات الزمنية المستقلة عدم تطبيق التناسق في الترتيب. والمشكلة الثانية تتعلق بالإشراف، حيث أن الوقت الذي يلاحظه المريض المعزول يعني بقاءه لفترة أبعد، ولا يمكن اعتباره هدفًا دقيقًا للتنبؤ، رغم أنه يشير إلى ترتيبه مقارنة بالمرضى الذين توفوا في وقت سابق.

للتغلب على هذه المشكلات، يُعيد نموذج CACSurv تشكيل نموذج البقاء كمقارنة جماعية صغيرة، حيث يتنبأ نموذج الـ LLM بالتقييم النسبي. ويعمل النظام على استحداث مكافآت قائمة على التوافق (concordance-aligned rewards) المبنية على العلاقات القابلة للمقارنة في ظل الحقائق المتأثرة، مما يمكّن النتائج المعزولة من تقديم إشراف على الترتيب دون حاجة لأهداف زمنية دقيقة.

من خلال استخدام تقنية تجميع المرجع مونت كارلو (Monte Carlo Reference Aggregation)، يُقارن كل مريض مع عيّنات مرجعية، ويتم جمع المواقع لتشكيل ترتيب على مستوى المجموعات. والجدير بالذكر أن نموذج CACSurv قد أظهر نتائج رائعة حيث حقق أعلى C-index في جميع المجموعات الست الخاصة بالأورام، بمعدل C-index يبلغ 0.722، متفوقًا على النموذج السابق الأقوى بفارق قدره 6.5 نقطة مئوية.

ستجعل الأبحاث والبيانات متاحة للجمهور في مستودع GitHub، مما يُتيح للباحثين الآخرين تعزيز هذا العمل الثوري في مجال الطب السريري. هل أنتم مستعدون لمعرفة المزيد عن كيفية تحسين توقعات بقاء مرضى السرطان؟ شاركونا آراءكم في التعليقات!