2026-09-19
MSK用RAG-LLM从2.77百万份病历抽出六类全身治疗毒性，随机生存森林可分层一年风险；HLA-DRB1*15纯合子接受CTLA-4后一年肾上腺功能不全达35%。
肿瘤精准医学一直在回答「谁会从药里获益」,很少能同样精确地回答「谁会被药伤到」。临床试验里的毒性来自经过筛选的人群,随访短;电子病历里真正有用的发病时间、归因和分级写在非结构化笔记里,规模一大就没法手工读完。
纪念斯隆凯特琳癌症中心把这件事做成了可复用的表型资源 MSK-Tox:从 55,406 名癌症患者、2.77 百万份肿瘤科笔记里抽出六类全身治疗毒性的发生、时间和分级,再接到实验室、肿瘤测序和胚系基因型上。目标很明确,把「精准安全」做成和「精准疗效」同一套证据标准。
Tox-Annotator 是一套检索增强的大语言模型流水线。笔记切块后用 BAAI/bge-large-en 嵌入向量库,按毒性查询模板取回相关片段,再按 90 天窗口喂给开源模型 Llama 4 Maverick,给出该窗口内是否存在指定毒性的置信度。检索把送进模型的文本量压下来,机构规模才跑得起。六类终点覆盖肺炎、肾上腺功能不全、肝毒性、结肠炎、甲亢和甲减。
校验走了四条线:和 6,279 名临床试验患者的 CTCAE 金标准比;300 人手工裁决差异;分级一致性;发病时间。金标准本身也有错,300 人测试集 1,800 次比较里 197 处差异中 44.2% 判给金标准。裁决后 AUC 从肺炎 0.97、肾上腺功能不全 1.00,到甲亢 0.77、肝毒性 0.81;F1 从 0.40 到 0.90。分级完全一致 63.1%,再放宽一级合计 91.7%。发病时间中位偏差 −10 天。
风险模型是随机生存森林,特征只用治疗前就能拿到的年龄、性别、癌种、既往治疗线和计划方案。全基因组关联按时间到事件做,并在 Dana-Farber 6,112 名免疫检查点抑制剂患者以及 FinnGen、UK Biobank 里复验。
毒性不是「免疫相关就更好」的统一信号。一线免疫治疗的 6,407 人里,≥3 级肺炎的总生存风险比是 2.79,≥3 级肝毒性是 2.64;多数毒性与生存无显著关联。四线及以上相对一线,肾上腺功能不全风险比 6.96,甲减 3.52。
混在一起预测「任何毒性」,免疫治疗人群 1 级以上 Harrell c-index 只有 0.615。拆成单病种后,同一人群从肝毒性 0.640 升到肾上腺功能不全 0.758。高风险三分位一年肝毒性 24.6%,低风险只有 7.1%;甲减是 29.1% 对 8.0%。
胚系更硬。把六类毒性捆成「任何毒性」时,没有 SNP 过全基因组阈值。分开看:
| 位点 | 毒性 | 范围 |
| FOXE1 附近 rs10983761 | 甲减 | 免疫和非免疫都有,MSK 风险比 1.25,Dana-Farber 复现 |
| FOXP2 附近 rs12705907 | 肺炎 | 免疫治疗为主,风险比 3.67,外院未复现 |
| HLA-DRB115 | 肾上腺功能不全 | 仅免疫治疗;CTLA-4 队列纯合子 12 个月累计 35.0%,非携带者 6.7% |
DRB115 的风险残基落在抗原结合槽 11、13、71 位,和多发性硬化、类风湿关节炎是同一套。31.1% 的基因分型患者至少带一份。临床高风险三分位里,携带者 12 个月发生率 12.0%,非携带者 6.5%。
对做医疗 NLP 的人,这是一次把检索增强大模型接到真实临床终点和基因组上的规模验证,不是再发一篇「笔记分类 AUC 很高」。对肿瘤和药物基因组,结论很具体:毒性风险按器官和药物条件成立,不能再拿「任意免疫相关不良事件」当终点去捞位点。HLA 分型在移植里已经常规,这里给出了可执行的治疗前分层线索。
随机生存森林本身是渐进改进,实验室和肿瘤基因组几乎没再加分。真正新的是表型规模,以及 DRB115 的剂量效应。
只覆盖六类毒性,皮肤和更多内分泌毒性没做,不能外推到所有免疫相关不良事件。金标准自己有系统性漏报,独立 5,279 人验证没有再手工裁决,数字会偏低。FOXP2 肺炎位点在 Dana-Farber 没复现。关联分析以欧洲血统为主。这是单中心回顾性队列,35% 那个纯合子数字来自 33 人,置信区间从 14.2% 到 56.8%。大模型 F1 下限 0.40,假阴性和假阳性都会进下游关联。