Proof-of-concept: AI-assisted, natural-language-guided survival analysis achieves concordance with human-conducted results in glioblastoma
Notice bibliographique
Résumé
Background The use of large language models with natural-language prompting may simplify survival analysis but requires validation against standard analyses carried out by trained analysts. We compared a human-conducted SPSS survival analysis to the Replit cloud development platform for conversational statistical analysis using a fully observed cohort of 1265 glioblastoma patients. Patients and methods Two statistical procedures—Kaplan–Meier estimation and Cox proportional hazards regression—were implemented. The reference analysis was carried out by an experienced clinical researcher using SPSS; the Replit-based analysis by an oncologist with no graduate level statistical or programming training employed the lifelines package through Claude language model integration via conversational chatbox interface. Statistical results were reviewed by a data science professor. Artificial intelligence- (AI) generated code was reviewed by a machine learning engineer. All patients had died at last follow-up, so no censoring occurred. Concordance was defined as exact matches in median survival times and hazard ratios (HR), reflecting the scientific principle that identical datasets processed with identical statistical methods must produce identical results. Results Initial comparison of median survival across 12 molecular/age subgroups found exact concordance in 7 of 12 subgroups (58.3%). The remaining discrepancies represented preprocessing differences rather than acceptable analytical variation. Natural-language troubleshooting through Replit's conversational interface identified three sources of discrepancy: patient inclusion differences, age-group boundary definitions, and inconsistent molecular encoding. After harmonizing these factors, median survival times and HRs were identical across both analyses, achieving 100% concordance. The Replit-based approach required 1 h 40 min total time compared with 8.5 h for traditional analysis, representing a 80% time reduction while maintaining statistical rigor. Conclusions This proof-of-concept demonstrates that the Replit platform can achieve exact replication of standard Kaplan–Meier and Cox analyses carried out by an experienced analyst when subgroup definitions and data preprocessing are aligned. Although our findings are limited to a single dataset and workflow, they suggest conversational AI interfaces could reduce barriers to statistical analysis for clinical researchers. Broader validation across varied analytical scenarios is essential before widespread clinical implementation. Statistical expertise remains essential for data quality assessment and model validation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».