KM-GPT：从 Kaplan-Meier 曲线重构个体患者数据的自动化管道
机器学习
2025-09-24 v1 人工智能
计算机视觉与模式识别
应用统计
机器学习
摘要
从 Kaplan-Meier（KM）图中重构个体患者数据（IPD）为临床研究的证据综合提供宝贵的见解。然而，现有方法常依赖手动数字化，存在误差且缺乏可扩展性。为解决这些限制，我们开发了 KM-GPT，这是首个完全自动化、由 AI 驱动的、能够以高精度、稳健和可重复方式从 KM 图中直接重构 IPD 的管道。KM-GPT 集成了先进的图像预处理、由 GPT-5 提供支持的多模态推理以及迭代重构算法，以无需手动输入或干预生成高质量的 IPD。其混合推理架构自动将非结构化信息转换为结构化数据流程，并验证来自复杂 KM 图的数据提取。为提高可及性，KM-GPT 配备了用户友好的网页界面和集成 AI 助手，使研究人员无需编程专业知识即可重构 IPD。KM-GPT 在合成数据和真实世界数据上的严格评估表明，始终表现出优越的准确性。为说明其实用性，我们将其应用于胃癌免疫治疗试验的荟萃分析中，通过重构 IPD 以促进证据综述和基于生物标志物的亚组分析。通过自动化传统的手动流程并提供可扩展的基于网页的解决方案，KM-GPT 利用重构的 IPD 促进更有信息的下游分析，支持基于证据的决策。
关键词
引用
@article{arxiv.2509.18141,
title = {KM-GPT: An Automated Pipeline for Reconstructing Individual Patient Data from Kaplan-Meier Plots},
author = {Yao Zhao and Haoyue Sun and Yantian Ding and Yanxun Xu},
journal= {arXiv preprint arXiv:2509.18141},
year = {2025}
}