Agentic LLM reasoning in pediatric diabetes outcome prediction from multimodal medical records
作者: Daniel Palacios, Guantong Qi, Anna Kadi, Natali Borrego, Sukru Aras, Michael L. Ferm, Elizabeth Kubota-Mishra, Maria J. Redondo, Zhandong Liu, Mustafa Tosur, Hu Chen
分类: q-bio.QM, cs.CL
发布日期: 2026-10-29
备注: 18 pages main text plus 40 pages Supplementary Information
💡 一句话要点
提出CEDAR模型以提高儿童糖尿病预后预测精度
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 儿童糖尿病 风险预测 多模态医疗记录 临床决策支持
📋 核心要点
- 现有的临床预测方法在儿童糖尿病领域面临挑战，尤其是小样本和稀有结果的问题。
- CEDAR模型通过结合结构化数据和社交决定因素，利用LLM进行风险预测，提供了一种新的解决方案。
- 实验结果显示，CEDAR在T2D和T1D患者中的AUC分别为0.815和0.756，显著优于传统机器学习方法。
📝 摘要（中文）
本文提出了一种基于大型语言模型（LLM）的代理系统CEDAR，用于从多模态医疗记录中预测儿童糖尿病的预后。研究利用2489名2型糖尿病（T2D）和4018名1型糖尿病（T1D）患者的记录，预测了七种T2D结果和四种T1D结果。CEDAR在两组患者中的表现均优于传统机器学习方法，接收者操作特征曲线（AUC）分别为0.815和0.756，显示出在稀疏筛查结果上的显著优势。此外，CEDAR引用的证据与患者记录高度一致，验证了其可靠性。
🔬 方法详解
问题定义：本文旨在解决儿童糖尿病预后预测中的准确性不足问题，现有方法在小样本和稀有结果的情况下表现不佳。
核心思路：CEDAR模型通过整合多模态医疗记录，包括结构化数据和社交决定因素，利用大型语言模型进行风险预测，旨在提高预测的准确性和可靠性。
技术框架：CEDAR的整体架构包括数据预处理、证据引用、推理过程和结果输出四个主要模块。数据预处理阶段整合不同来源的数据，证据引用模块确保模型的透明性，推理过程则基于LLM进行预测。
关键创新：CEDAR的主要创新在于其自审计能力和证据引用机制，使得模型在预测时能够提供可追溯的依据，显著提高了预测的可信度。
关键设计：模型采用了特定的损失函数以优化预测准确性，并在网络结构上进行了调整，以适应多模态数据的处理需求。
📊 实验亮点
CEDAR模型在儿童糖尿病预后预测中的实验结果显示，T2D和T1D患者的AUC分别达到0.815和0.756，明显优于传统机器学习方法的0.656至0.700和0.603至0.631，尤其在稀疏筛查结果上表现突出。同时，CEDAR引用的证据与患者记录的匹配度高达99.994%。
🎯 应用场景
该研究的潜在应用领域包括儿童糖尿病的临床管理和预后评估，CEDAR模型能够为医生提供更为准确的风险预测，帮助制定个性化的治疗方案。未来，该模型有望推广至其他儿童疾病的预测与管理中，提升整体医疗服务质量。
📄 摘要（原文）
Large language model (LLM) agents are proposed for clinical prediction but are untested in pediatrics, where cohorts are small and outcomes are uncommon. Using records from 2,489 youth with type 2 diabetes (T2D) and 4,018 with type 1 diabetes (T1D), spanning structured data, note-derived social determinants and, in T1D, continuous glucose monitoring data, we predicted seven T2D outcomes, four also in T1D, at 24 months from 18 months of follow-up. CEDAR (Clinical Evidence-Driven Agent for Risk-prediction), an evidence-citing, self-auditing LLM pipeline, outperformed trained machine learning in both cohorts (pooled area under the receiver operating characteristic curve 0.815 versus 0.656 to 0.700 in T2D and 0.756 versus 0.603 to 0.631 in T1D), most on the sparsely screened outcomes. Only 4 of 70,246 values it cited did not match the chart. Reading only the evidence and reasoning cited by CEDAR, two pediatric endocrinologists reached the same prediction as CEDAR in about nine of ten cases, agreeing with each other on 90.5%.