TrajOnco：一个用于纵向电子健康记录时序推理以进行多癌种早期检测的多智能体框架
人工智能
2026-04-14 v1 多智能体系统
摘要
从纵向电子健康记录（EHR）中准确估计癌症风险有助于实现更早的检测和改善护理，但对如此复杂的患者轨迹进行建模仍然具有挑战性。我们提出了 TrajOnco，一个无需训练、多智能体的大语言模型（LLM）框架，旨在实现可扩展的多癌种早期检测。TrajOnco 使用具有长期记忆的链式智能体架构，对连续的临床事件进行时序推理，以生成患者级别的摘要、有证据链接的解释和预测风险评分。我们使用匹配的病例对照队列，在去标识化的 Truveta EHR 数据上对 15 种癌症类型评估了 TrajOnco，预测 1 年内的癌症诊断风险。在零样本评估中，TrajOnco 的 AUROC 达到 0.64-0.80，在肺癌基准测试中性能与监督机器学习相当，同时展现出比单智能体 LLM 更好的时序推理能力。多智能体设计还使得使用较小容量的模型（如 GPT-4.1-mini）也能进行有效的时序推理。TrajOnco 输出的保真度通过人工评估得到验证。此外，TrajOnco 的可解释推理输出可以聚合起来，揭示与既定临床知识一致的群体级风险模式。这些发现凸显了多智能体 LLM 在纵向 EHR 上执行可解释时序推理的潜力，从而推动可扩展的多癌种早期检测和临床洞察生成。
引用
@article{arxiv.2604.10386,
title = {TrajOnco: a multi-agent framework for temporal reasoning over longitudinal EHR for multi-cancer early detection},
author = {Sihang Zeng and Young Won Kim and Wilson Lau and Ehsan Alipour and Ruth Etzioni and Meliha Yetisgen and Anand Oka},
journal= {arXiv preprint arXiv:2604.10386},
year = {2026}
}