COPE: Chain-Of-Thought Prediction Engine for Open-Source Large Language Model Based Stroke Outcom...
文章主要内容与创新点总结
一、主要内容
本文针对急性缺血性脑卒中（AIS）患者90天功能预后预测问题，提出了基于开源大语言模型的思维链预后预测引擎（COPE）。该研究纳入464名AIS患者，以出院小结（非结构化临床文本）为输入，90天改良兰金量表（mRS，0-6分，分值越高残疾程度越重或死亡）评分为预后指标，通过两步式思维链（CoT）框架实现预测：
- 第一步（推理LLM）：输入完整出院小结，生成包含关键临床线索、初步推理和暂定预后的结构化思维链输出；
- 第二步（提取LLM）：基于第一步的推理文本，输出单一mRS评分。
研究将COPE与GPT-4.1（闭源专有模型）、ClinicalBERT（领域适配语言模型）、Clinical ML（结构化变量机器学习模型）及无思维链的单步LLM进行对比，采用平均绝对误差（MAE）、±1分准确率和精确准确率作为评价指标，并开展亚组（性别、年龄、治疗方式、小结长度）和敏感性分析。结果显示，COPE的预测性能与GPT-4.1相当（MAE=1.01 vs 1.00，±1分准确率=74.4% vs 77.9%），且显著优于其他对比模型，同时在不同性别和年龄组中表现稳定，仅在老年患者（>80岁）、接受血栓切除术的患者及长出院小结样本中误差略高。
二、创新点
- 开源轻量化框架设计：基于LLaMA-3-8B开源模型构建，参数规模仅为GPT-4.1的1/60-1/100，计算需求低，且具备透明性、可定制性和隐私保护性，适配医疗数据隐私敏感场景；