StochIKM用视觉语言模型加约束从KM曲线重建个体数据。
资讯摘要
论文提出StochIKM，一种随机算法，用视觉语言模型数字化Kaplan-Meier图，并以显式定义的高保真约束（精确复现风险表、曲线误差在图像分辨率内、符合印刷中位数、区间与事件数）返回一组可接受的个体患者数据集。作者报告在模拟及79个已发表肿瘤试验组中，其复现风险表与中位数的效果优于LLM改进的IPDfromKM。
要点速读
- 论文将保真度定义为：数据集须精确复现风险表、数字化曲线误差在图像分辨率内、并符合印刷的中位数、区间和事件数。
- StochIKM用视觉语言模型数字化图形，以该定义作为约束，返回可接受的个体患者数据集集合，而非单一数据集。
- 作者报告在模拟和79个已发表肿瘤试验组中，StochIKM复现风险表与中位数比LLM改进的IPDfromKM更接近原文。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。