基于surprisal的大语言模型揭示小叶乳腺癌的免疫学洞见

摘要

研究者在 The Cancer Genome Atlas 乳腺癌队列中部署了AutoDiscovery——一种基于surprisal自动提出假说并系统探查复杂数据集的新大语言模型框架。没有人类输入时，系统未能发现临床上新颖且有意义的发现；但在加入肿瘤科医生极少量文本作为种子的warm-start运行中，它提出了多个有趣且令人惊讶的假说，其中之一是浸润性小叶癌（ILC）所有亚型均存在稳健的免疫特征，且超过浸润性导管癌（IDC）。该发现在独立队列及高灵敏度多重免疫荧光肿瘤组织分析中得到验证。研究者认为应在ILC（包括早期ER+HER2- ILC）中测试免疫治疗，这些患者目前被排除于大型新辅助免疫治疗试验之外，并提示领域专家与LLM协作可从复杂数据中提取此前未受重视的模式。