LLMが導く時間的生理ダイナミクスのシミュレーションによる、臨床的に解釈可能な敗血症の早期警告
arXiv cs.LG / 2026/4/24
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本研究は、敗血症の早期警告を「タイムリーに、かつ解釈可能に」提供する課題に対し、発症前の生理状態の時間的な悪化を明示的にモデル化することで対応しようとしています。
- 提案手法は、(1) 多変量バイタルの時空間的な依存関係を抽出するモジュール、(2) 「医療プロンプトをプレフィックスとして」LLMに臨床的推論の手がかりを埋め込むMedical Prompt-as-Prefixモジュール、(3) 予測を生理学的に妥当な範囲に制約するエージェントベースの事後処理から構成されます。
- 主要な生理指標の軌跡をまずシミュレートし、その後で敗血症の発症を分類することで、臨床判断に沿ったより透明性の高い警告メカニズムを目指しています。
- MIMIC-IVおよびeICUでの評価では、発症4〜24時間前の予測タスクでAUCが0.861〜0.903となり、従来の深層学習やルールベース手法を上回る結果が示されています。
- 著者らは、本手法が臨床で解釈可能なリスクの推移や軌跡を提供でき、ICUにおける早期介入やパーソナライズドな意思決定を支援しうる点を強調しています。
