OphthaDT：用于预测眼科视力轨迹的生成数字孪生

眼科精准医疗需要准确的纵向预测，但多模态临床数据的分散性仍然是预测的障碍。我们推出了 OphthaDT，这是一种基于 LLM 的眼科数字双胞胎，它将四项 III 期临床试验中 3,220 名患者的纵向病史序列化为结构化叙述，以预测最佳矫正视力 (BCVA)。在长达 100 周的基准测试中，OphthaDT 显示了新生血管性年龄相关性黄斑变性 (nAMD) 的预测误差最低，与所有基线相比，平均绝对误差 (MAE) 降低了 6.0%。在糖尿病性黄斑水肿 (DME) 中，OphthaDT 表现出相对于所有基线的竞争性能，同时优于随机森林和 XGBoost，平均 MAE 分别降低了 2.6% 和 6.9%。结果表明，OphthaDT 的预测优势与轨迹复杂性成正比：虽然线性模型对于 DME 更稳定的治疗反应仍然有效，但 OphthaDT 的能力更适合捕获 nAMD 的高纵向变异性。最后，OphthaDT 无需插补即可处理不规则采样，将基于 LLM 的临床轨迹建模定位为一种可以减轻患者负担并加速药物开发的方法。