用於識別皮膚免疫相關不良事件的人機協同大語言模型框架
本研究評估了一種檢索增強、多智慧體、大語言模型驅動且包含人工稽核的框架，用於從臨床筆記中檢測皮膚免疫相關不良事件（cirAEs）。與人工稽核相比，該框架將準確率（F1）從0.77提升至0.88，Cohen's kappa係數從0.50提高至0.82，並將平均稽核時間縮短約一半。該框架展示了LLM在跨器官系統識別免疫相關毒性方面的應用潛力，並有望實現準確、可擴充套件且透明的不良事件資料提取。
2026年5月9日，一項發表於arXiv預印本平臺的研究提出了一種創新的人機協同框架，旨在利用大語言模型（LLM）自動從臨床筆記中識別皮膚免疫相關不良事件（cirAEs）。該框架突破了傳統人工稽核的瓶頸，透過結合檢索增強（retrieval-augmented）技術、多智慧體（multi-agent）系統以及人工稽核環節（human-in-the-loop），實現了檢測準確性與效率的雙重提升。
研究團隊由Charles Lu等17位作者組成，他們將該框架應用於實際臨床資料，並與未受輔助的人工稽核進行了嚴格對比。評估指標顯示，基於LLM的輔助工作流在多個維度表現出色：F1分數從0.77顯著提升至0.88，表明模型在精確率和召回率之間取得了更優的平衡；Cohen's kappa係數從0.50躍升至0.82，反映出評估者之間的一致性和可靠性大幅增強。更為重要的是，平均稽核時間縮短了近一半，從原先的數小時減少至約一半時長。這一改進意味著臨床醫生和研究人員可以更快地識別不良事件，從而及時採取干預措施，改善患者預後。
該框架的設計亮點在於其多層架構。首先，檢索增強模組從外部知識庫中提取相關醫學文獻和臨床指南，為LLM提供上下文資訊。其次，多智慧體系統由多個專門化的LLM代理組成，每個代理負責不同任務（如實體識別、關係抽取、證據評估），透過協作完成複雜分析。最後，人工稽核環節引入臨床專家對LLM輸出進行驗證和修正，確保結果的準確性和可解釋性。這種設計不僅提高了檢測效能，還為模型的可信度提供了保障。
研究者強調，該方法不僅限於皮膚不良事件，其核心架構可推廣至其他器官系統的免疫相關毒性識別。例如，未來可應用於肝臟、肺臟等器官的免疫不良事件檢測，甚至擴充套件至非免疫類不良事件。這為大規模、自動化的不良事件資料提取提供了新路徑，具有重要的公共衛生意義。
儘管初步結果令人鼓舞，但論文也指出了當前研究的侷限性。例如，資料集可能規模有限，且來自單一醫療系統，因此需要更多樣化的資料驗證。此外，框架對計算資源的要求較高，未來需最佳化以提高可部署性。研究人員計劃在後續工作中探索更高效的推理策略，並開展多中心臨床試驗以確認實用性。
總體而言，這項研究為LLM在醫療領域的應用提供了強有力的實證。它將人工智慧與人類專業知識相結合，展示了在保持高準確率的同時大幅提升效率的可能性。隨著技術的成熟，此類框架有望融入電子健康記錄系統，成為臨床決策支援的關鍵元件，助力醫生更高效、精準地管理免疫治療相關不良反應。