CCMTV临床频道 - 荟萃名家聚焦临床

2025 WCLC丨大语言模型和GraphRAG辅助决策支持在多学科团队癌症护理中的实施

CCMTV肿瘤频道 3045次浏览

2025-09-05

由国际肺癌研究协会（IASLC）举办的2025世界肺癌大会（WCLC）即将于今年9月6-9日在西班牙巴塞罗那召开。作为全球规模最大的肿瘤领域学术会议之一，WCLC将汇聚世界各地的医学专家和科学家，共同探讨肺癌领域的前沿进展和重磅研究，助力全球肺癌诊疗水平迈向新高度。CCMTV特此整理中国学者在肺癌多学科护理及治疗的部分研究摘要，以飨读者。

题目

大语言模型和GraphRAG辅助决策支持在多学科团队癌症护理中的实施

作者

Su Chen

成都市第三人民医院

摘要

简介：肺癌仍然是全世界发病率和死亡率的主要原因，晚期诊断和误诊显著影响生存率。当前的多学科团队（MDT）工作流程受到数据碎片化、指南解释不一致以及试验结果整合有限的阻碍。虽然传统的人工智能驱动的临床决策支持系统（CDSS）提高了诊断准确性和个性化治疗选择，但它们在数据检索、上下文推理和决策可追溯性方面仍然面临局限性。为了应对这些挑战，我们评估了一种将大型语言模型（LLM）与 GraphRAG 技术相结合的新方法。

方法：选择强化学习增强型大语言模型DeepSeek-R1作为上下文推理和治疗方案匹配的基础模型。然后，我们开发了一个综合知识图谱，整合了来自多个来源的患者数据，其中节点代表临床实体（例如，基因突变、治疗类型），边缘定义了它们之间的关系。公开可用的临床指南和证据（例如NCCN、CSCO、行业共识、WCLC摘要）被纳入作为与患者特定节点相关的参考节点，以提供管理建议。我们回顾性分析了2021 年1月至 2025年2月期间的283例MDT病例进行模型训练，并通过研究者发起试验（IIT）前瞻性验证了该方法在8例真实世界MDT病例中的表现。将 LLM 和 GraphRAG 辅助的建议与我院的 MDT专家共识决定进行了比较。主要结果是与MDT专家共识的同意率。探索性结果包括诊断时间和决策可追溯性的准确性。

结果：LLM和GraphRAG 辅助方法与MDT专家共识的一致性率为 88.9%（16/18）。由于接受多条治疗线的患者的临床实体提取失败以及在图构建过程中未收集的创新临床发现（例如 LAURA 试验数据）而发生错位。对于探索性终点，平均响应生成时间为3.2分钟，明显快于传统的专家共识模式（5.6分钟）。该模型展示了推荐治疗方案的100%可追溯性，包括其来源和来源链接。

结论：LLM和GraphRAG辅助方法代表了一种创新的人工智能工具，可以提高肺癌MDT讨论的准确性和效率。未来的开发应侧重于对不同患者群体的前瞻性验证以及与现有临床系统的集成，以最大限度地提高采用率并改善患者的治疗效果。

本平台致力于为医疗卫生专业人士提供丰富的医学信息。请注意，本平台发布的内容不能替代专业的医疗建议，也不应被用作诊疗指导。如果将这些信息用于非医学信息了解的目的，本平台不承担相关责任。此外，本平台对发布的内容并不代表赞同其描述和观点。如有涉及版权问题，请权利人与我们联系，我们将尽快处理。

— END —

CCMTV临床频道注册会员数据突破210万+，平均每日更新视频及资讯内容300余条，目前拥有医学视频数量10万+，累积时长达185万+分钟，致力于打造贯穿医学教育全过程的专业服务平台。CCMTV药械营销推广覆盖开发期（上市前）、导入期（上市）、成长期、成熟期、衰退期。通过CCMTV朱雀AI大模型，实现权威精准触达和智能反馈分析，助力药械推广进入数字化闭环营销时代。

发送