NCOG-14. Deficits in Gait Quantified by Large Language Model-derived NANO Scores Predict Survival in High-grade Glioma
Notice bibliographique
Résumé
Abstract BACKGROUND In neuro-oncology, imaging findings and a patient’s clinical status do not always correlate. The Neurologic Assessment in Neuro-Oncology (NANO) scale is a clinician-reported outcome assessment tool consisting of nine domains to measure neurologic function routinely assessed by clinicians. METHODS Using GPT4DFCI, Dana-Farber Cancer Institute’s (DFCI) HIPAA-secure endpoint to GPT-4o, we ran free text physical exam documentation through a secure Application Programming Interface to assess whether a large language model (LLM) can accurately generate NANO scores. We used an iterative process for prompt development. Temperature, a parameter that controls the randomness of LLM output, was set to zero. Cox proportional hazards analysis was used to predict whether NANO score at the time of bevacizumab initiation (last line therapy) could predict overall survival (OS). RESULTS We evaluated 287 patients with progressive grade 4 gliomas seen at least twice at DFCI between 1/1/2018 to 12/31/2023 from the time of bevacizumab initiation. LLM-generated scores were grouped into 0 or 1 (none to mild) versus 2 or 3 (moderate to severe) for each NANO domain. Accuracy between clinician-reported and LLM-extracted NANO scores was high (mean = 92.5%, range 76.6-100%, n=56). Average patient age at bevacizumab initiation was 61 years, 36% were female, 11% were IDH-mutant, and 41% had MGMT-unmethylated tumors. Median total NANO at initiation of bevacizumab was 1 (range 0-11). Cox proportional hazards analysis revealed that deficits in gait at bevacizumab initiation predicting worse OS (hazard ratio 2.86, 95% CI: 1.21, 6.74; p=0.02), independent of age, MGMT-status, sex, and IDH-status. CONCLUSIONS LLMs can generate NANO scores from clinical notes. Moderate to severe gait impairment by NANO was predictive of worse OS at bevacizumab initiation. LLMs offer the ability to scale NANO to understand how NANO may affect OS at different disease points for different disease groups.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».