간세포암 환자를 위한 정밀 치료: 위험도 평가 및 치료 가이드라인 제공을 위한 임상적 추론 LLM

Towards Precision Therapy in Hepatocellular Carcinoma: A Clinical-Reasoning LLM for Risk Stratification and Treatment Guidance

간세포암(HCC)은 흔한 악성 종양이며 암 관련 사망의 주요 원인입니다. 현재 지침과 병기 분류 시스템은 일반적인 범주를 제시하지만, 종종 전자 의료 기록(EMR)에서 나타나는 병기 내 이질성과 임상적 맥락을 제대로 반영하지 못합니다. 본 연구에서는 HCC-STAR (Hepatocellular Carcinoma Staging, Treatment And pRognosis)라는 임상 중심의 대규모 언어 모델을 소개합니다. HCC-STAR는 일상적인 EMR 기록을 분석하여 위험도 점수를 기반으로 한 병기 분류 결과를 제공하고, 근거에 기반한 논리와 함께 기존 가이드라인과 일관성 있는 치료 방법을 순위별로 제시하며, 개인 맞춤형 생존 예측치를 제공합니다. SEER 데이터로부터 약 30,000건의 HCC 사례를 수집하고, 임상의가 검증한 프롬프트 기반 증강 워크플로우를 사용하여 EMR 스타일의 교육 데이터를 구축했습니다. 이 데이터셋을 기반으로, 우리는 지식에 부합하는 추론 프레임워크를 개발했으며, 단계별로 검증 가능한 복합 보상을 통해 기존의 단순 텍스트 암기 방식에서 벗어나도록 최적화했습니다. 중국 내 12개 병원에서 수집된 6,668명의 환자군을 대상으로 HCC-STAR는 GPT-5 및 Gemini-2.5 Pro를 포함한 경쟁 모델과 비교하여 치료 추천 및 위험도 평가 분야에서 뛰어난 성능을 보였습니다. 가상 생존 분석 결과, HCC-STAR의 권장 사항을 따랐을 때 중앙 생존 기간은 51개월이었던 반면, BCLC 및 CNLC 지침을 따랐을 때는 각각 29개월과 32개월로 나타났습니다. 임상의 중심 평가에서, 익명으로 참여한 간담 전문의들은 HCC-STAR의 추론 과정과 근거 기반 설명을 신뢰할 수 있다고 평가했습니다. 또한 이 모델은 전임의 및 전문의보다 치료 정확도가 높았으며, 의사들이 보조 도구로 활용했을 때 더욱 빠르고 정확한 결정을 내리는 데 도움을 주었습니다. 이러한 결과는 HCC-STAR가 간세포암 환자의 위험도 평가 및 정밀 치료를 위한 신뢰할 수 있고 검증 가능한 의사 결정 지원 시스템임을 시사합니다.

Hepatocellular carcinoma (HCC) is a common malignancy and a leading cause of cancer-related mortality. Current guidelines and staging systems provide coarse categories, but often miss within-stage heterogeneity and the clinical context in electronic medical records (EMRs). We present HCC-STAR (Hepatocellular Carcinoma Staging, Treatment And pRognosis), a clinically aligned large language model that reads routine EMR narratives and jointly outputs risk score-based staging, ranked guideline-consistent treatments with evidence-based rationales, and individualized survival estimates. We curated about 30,000 HCC cases from SEER and expanded them into EMR-style narrative training data using a clinician-validated, prompt-based augmentation workflow. On this corpus, we developed a knowledge-aligned reasoning framework optimized with a step-verifiable composite reward, moving beyond text-level memorization of clinical guidelines. In a multi-center cohort of 6,668 patients from 12 hospitals in China, HCC-STAR achieved state-of-the-art performance in treatment recommendation and risk stratification compared with clinical guidelines and competitive models, including GPT-5 and Gemini-2.5 Pro. Hypothetical overall-survival analysis showed a median survival of 51 months under adherence to HCC-STAR recommendations, compared with 29 and 32 months under BCLC and CNLC. In clinician-centric evaluations, blinded hepatobiliary specialists rated HCC-STAR's reasoning and evidence-based justifications as trustworthy. The model surpassed resident and attending physicians in treatment accuracy and helped physicians make more accurate decisions faster when used as an assistant. These findings support HCC-STAR as a reliable and verifiable decision-support system for risk stratification and precision therapy in HCC.