PhenoFlow：面向大规模复杂中风数据集的人类-LLM 可视化分析系统

急性中风需要及时诊断和治疗才能实现最佳患者预后。然而，急性中风相关的临床数据（特别是血压测量值）的复杂性和不规则性为有效的可视化分析和决策带来了重大挑战。我们与经验丰富的神经内科医生合作了一年，开发了 PhenoFlow——一个利用人类与大型语言模型（LLM）协作来分析急性缺血性中风患者大量复杂数据的可视化分析系统。PhenoFlow 创新性地提出了一种工作流程，其中 LLM 充当数据预处理器，而神经内科医生通过可视化和自然语言交互来探索和监督输出。这种方法使神经内科医生能够专注于决策，同时降低认知负荷。为了保护患者敏感信息，PhenoFlow 仅利用元数据进行推断和合成可执行代码，而不访问原始患者数据。这确保了结果具有可复现性和可解释性，同时维护了患者隐私。该系统采用切片包装设计，利用时间折叠创建叠加式圆形可视化。结合线性柱状图，这一设计有助于探索不规则测量的血压数据中的有意义模式。通过案例研究，PhenoFlow 已展示其支持大规模临床数据集迭代分析的能力，降低认知负荷，使神经内科医生能够做出明智的决策。基于与领域专家的长期合作，我们的研究表明，利用 LLM 解决当前数据驱动急性缺血性中风患者临床决策中的挑战具有潜力。