Agentic从私人健康记录中发现血液生物标志物

摘要

常规全血细胞计数 (CBC) 可以产生新的生物标志物，但评估候选人所需的私人记录无法与擅长发现的前沿语言模型智能体共享。我们将 Clalit 健康服务小组中超过 540 万名患者的证据提炼成一个发布的评分工具：对于 13 种免疫介导的疾病中的每一种，在数据边界内训练一个图注意网络来预测候选 CBC 表达的病例对照 AUC，并且仅发布训练后的权重。该工具将智能体的提议-评分-细化循环建立在现实世界数据中，而不会暴露任何患者数据。在外部验证中，智能体发现的表达在其文献种子起点上提高了中位数 4.18 AUC 个百分点，并且在三个独立队列中，对三种前沿研究工具的候选者进行了重新排名，在大多数比较中都比其首选工具有所提高，但增益因队列而异。发布的评分器支持保护隐私的生物标记假设生成。

Agentic从私人健康记录中发现血液生物标志物的原论文方法或结果图 — 图 1：CBC 生物标志物发现的隐私保护公共评分框架。 A) 私人临床证据保留在 Clalit 数据边界内：源自 EHR 的匿名队列、CBC 测量和疾病标签仅在受保护的环境中使用。 B) 合成 CBC 表达式树是从 CBC 变量和算术运算符生成的，叶子仅限于测量的 CBC 特征，并且没有数字文字。 C) 疾病特定的图注意网络学习从表达结构预测表达水平 AUC，产生紧凑的评分检查点。 D) 仅导出经过训练的 GAT 权重；患者行、原始 CBC 值和表达水平 AUC 标签仍锁定在机构边界内。 E) 公共前沿人工智能 (AI) 智能体在提议-评分-排名-优化循环中使用已发布的评分器来优先考虑可解释的 CBC 生物标志物表达。