Nat. Commun. | 融合宿主生物标志物与大模型的下呼吸道感染智能诊断

DRUGONE

下呼吸道感染是全球范围内发病率和死亡率均较高的重要疾病，其病原类型复杂，临床诊断具有高度不确定性。研究人员提出了一种新的诊断框架，将宿主免疫反应生物标志物与大语言模型相结合，用于辅助下呼吸道感染的病原学判断与临床决策。该方法通过整合实验室检测结果与电子病历中的非结构化临床信息，在多项临床任务中显著优于单独依赖生物标志物或传统规则模型的策略，展示了大模型在真实临床场景中增强诊断能力的潜力。

下呼吸道感染可由细菌、病毒或混合病原引起，但不同病原在临床症状、影像学表现和常规实验室指标上高度重叠，导致误诊和抗生素滥用问题普遍存在。近年来，基于宿主免疫反应的生物标志物被用于区分细菌与病毒感染，但单一或有限指标往往难以覆盖患者间的高度异质性。

与此同时，大语言模型在医学文本理解和临床推理任务中展现出强大能力，能够从电子病历中提取复杂语义信息。然而，仅依赖语言模型也存在忽略客观生理信号的风险。如何将结构化的生物标志物数据与非结构化的临床文本信息有效融合，成为推动临床 AI 实际落地的关键问题。

方法

研究人员构建了一种联合诊断框架：首先测量反映宿主免疫状态的血液生物标志物，并将其数值化表示；随后，将这些生物标志物与患者的临床文本信息（如症状描述、影像结论和医生记录）一并输入大语言模型。模型在统一表示空间中进行推理，输出针对下呼吸道感染病原类型及临床决策相关任务的预测结果。该方法在多个独立队列中进行验证，并与仅使用生物标志物或仅使用语言模型的策略进行系统比较。

结果

生物标志物与大模型协同提升诊断性能

研究结果显示，联合模型在区分细菌性与病毒性下呼吸道感染方面表现最优，显著优于单独使用宿主生物标志物或传统临床评分系统。大语言模型能够利用上下文信息，对生物标志物信号进行更合理的解释，从而减少误判。

图 1｜宿主生物标志物与大语言模型联合诊断框架。

改善抗生素使用相关决策

在抗生素使用决策任务中，联合模型在保持高敏感性的同时，提高了对不必要抗生素使用的识别能力。这表明该方法有潜力作为临床决策支持工具，帮助减少抗生素滥用。

图 2｜不同模型在抗生素使用决策任务中的性能对比。

在真实临床文本场景中的稳健性

研究人员进一步评估了模型在不同文本质量和信息完整度下的表现。结果显示，即使在临床记录存在噪声或信息不完整的情况下，联合模型仍保持较好的诊断稳定性，说明结构化生物标志物为语言模型提供了重要的“生理锚点”。

图 3｜联合模型在不同临床文本条件下的稳健性分析。

讨论

该研究展示了一种将宿主生物学信号与大语言模型推理能力深度融合的临床诊断新范式。与以往单独依赖生物标志物或规则系统的方法相比，该框架能够更全面地利用临床信息，提高诊断准确性和可解释性。

研究人员认为，该思路不仅适用于下呼吸道感染，也具有推广至其他感染性疾病和炎症相关疾病的潜力。未来工作需要在更大规模、多中心真实世界数据中进行前瞻性验证，并进一步探索模型在临床流程中的安全性、可解释性与合规部署问题。

整理 | DrugOne团队

参考资料

Phan, H.V., Spottiswoode, N., Lydon, E.C. et al. Integrating a host biomarker with a large language model for diagnosis of lower respiratory tract infection. Nat Commun 16, 10882 (2025).

https://doi.org/10.1038/s41467-025-66218-5

内容为【DrugOne】公众号原创｜转载请注明来源