HCC-STAR：基於臨床推理大模型的肝癌精準治療與風險分層系統

針對肝細胞癌（HCC）治療中現有分期系統忽視異質性及電子病歷臨床語境的問題，本研究提出HCC-STAR，一種與臨床高度對齊的大型語言模型。該模型透過讀取常規電子病歷敘事，聯合輸出基於風險評分的分期、符合指南的治療建議及證據支持的理由，並提供個體化生存預測。研究團隊利用SEER數據構建了約3萬例HCC病例，並透過醫師驗證的提示增強工作流程生成訓練數據，採用步驟可驗證的複合獎勵優化框架，超越了簡單的指南文本記憶。在涵蓋中國12家醫院6668名患者的多中心隊列中，HCC-STAR在治療方案推薦和風險分層方面超越了GPT-5和Gemini-2.5 Pro等主流模型及臨床指南。假設生存分析顯示，遵循HCC-STAR建議的患者中位生存期為51個月，顯著高於BCLC和CNLC分期的29和32個月。臨床專家評估證實，該模型在推理可信度上表現優異，並能輔助醫師提高決策準確性與效率，展現出作為可靠決策支援系統的龐大潛力。