引言

肾移植的临床决策与质量监控长期面临核心矛盾：结构化的长期随访数据与文本化的临床规则、政策术语之间缺乏可审计的桥梁，导致不同中心报告不一致、政策依从性差、结果难以复现，阻碍标准化与公平性评估。

近日发表于《npj Digital Medicine》的研究提出创新解决方案——由广东省人民医院等团队开发的KT-LLM框架，首次将Banff分类、OPTN/SRTR文件等权威政策文本，通过检索增强生成技术与长序列建模的生存预测、人群聚类分析智能体融合，构建了证据可溯源、决策可审计的肾移植建模统一系统，实现临床工作流的标准化与可重现。

基本信息

•文章标题：KT-LLM: an evidence-grounded and sequence text framework for auditable kidney transplant modeling
•期刊：npj Digital Medicine
•影响因子：15.1
•发表时间：2026年1月10号
•研究单位：广东省人民医院；南方医科大学；广东省心血管病研究所；汕头大学；华南理工大学
•Github地址：https://anonymous.4open.science/r/KT-LLM v1-7F53/README.md
•论文地址：https://doi.org/10.1038/s41746-025-02323-5

研究内容与方法

系统整体架构设计

• 核心组件：模块化设计，由KT-LLM主模型+3个任务专属Agent构成，各司其职且协同联动
  • KT-LLM：系统编排与问答核心，通过RAG返回证据锚定答案+可计算检查表
  • Agent-A（SRTR-MambaSurv）：肾移植受者长期生存+移植物结局预测
  • Agent-B（OPTN-BlackClust）：OPTN-STAR数据中非监督人群亚型发现
  • Agent-C（Policy-Ops）：OPTN政策/Banff术语规则验证与合规检查
• 设计目标：将结构化随访序列、文本化规则、治理节奏整合至可审计的统一框架，实现推理与治理节奏精准对齐
• 【系统整体工作流程图】

KT-LLM主模型：检索增强式问答与审计框架

• 基础架构：基于MedLLaVA语言主干（仅文本通道），整合领域受限RAG、术语感知重加权、证据指针、覆盖约束四大核心模块
• 检索增强生成（RAG）模块
  • 知识源严格受限：仅采用3类权威语料（Banff肾移植病理知识库、OPTN/UNOS政策文档、SRTR方法学材料+PSR公开页面），保证知识权威性
  • 双阶段检索流程：稠密编码器初筛候选段落 → 交叉编码器重排序，得到最终证据集合
  • 术语感知重加权：对Banff/OPTN/SRTR受控词汇提升检索优先级，强化领域术语检索精度
• 多损失联合训练目标：3部分损失加权求和，保障检索、生成、归因一致性
  1. 检索对比损失（InfoNCE）
     对应核心代码：

     definfo_nce_loss(query,positive,negatives,temperature=0.07):sim_pos=torch.cosine_similarity(query,positive,dim=-1)/temperature sim_neg=torch.cosine_similarity(query.unsqueeze(1),negatives,dim=-1)/temperature logits=torch.cat([sim_pos.unsqueeze(1),sim_neg],dim=1)labels=torch.zeros(logits.shape[0],dtype=torch.long,device=query.device)loss=F.cross_entropy(logits,labels)returnloss

  2. 生成损失：文本似然损失+结构化检查表损失，Lgen=Ltext+βLstruct\mathcal{L}_{\text{gen}} = \mathcal{L}_{\text{text}} + \beta\mathcal{L}_{\text{struct}}Lgen​=Ltext​+βLstruct​
  3. 归因一致性损失：匹配句子级引用与重排序得分的KL散度，Latt=KL(α∥α^)\mathcal{L}_{\text{att}} = \text{KL}(\alpha \parallel \hat{\alpha})Latt​=KL(α∥α^)
• 证据锚定与审计机制（核心特色）
  • 句子级引用标签：每个答案句子附带唯一引用ID，精准指向原文证据段落，可直接溯源
  • 置信度/覆盖度双门限：证据覆盖度<ρ或重排序得分<τ时，仅返回证据摘要，不输出确定性结论，避免误判
  • 结构化检查表生成：针对阈值/可计算标准查询，生成含「名称、定义、可执行公式、阈值、证据源ID」的标准化检查表
• 训练与推理优化
  • 两阶段训练：冻结语言主干→微调检索/重排序模块 → 解冻语言头部→联合微调文本生成/结构化输出，兼顾效率与性能
  • 热更新机制：政策/知识库新增/修订时，仅需增量编码+索引刷新，无需重训练主模型，适配临床政策动态更新需求

Agent-A：SRTR-MambaSurv 生存预测模块

• 核心设计：离散时间竞争风险模型+Mamba线性时间序列编码器，专门适配多中心、长时程、稀疏性的肾移植随访数据
• 离散时间竞争风险建模
  • 互斥事件定义：0（无事件）、1（移植物丢失）、2（患者死亡）
  • 概率守恒风险向量：每个随访间隔[tij,ti(j+1)][t_{ij}, t_{i(j+1)}][tij​,ti(j+1)​]预测多分类风险向量πij\pi_{ij}πij​，满足πij=(πij,0,πij,1,πij,2),∑c=02πij,c=1\pi_{ij} = (\pi_{ij,0}, \pi_{ij,1}, \pi_{ij,2}), \sum_{c=0}^2 \pi_{ij,c} = 1πij​=(πij,0​,πij,1​,πij,2​),∑c=02​πij,c​=1
  • 生存/累积发生率函数：Si(j)=∏s=1jπis,0S_i(j) = \prod_{s=1}^j \pi_{is,0}Si​(j)=∏s=1j​πis,0​，Fi,k(j)=∑s=1jSi(s−1)πis,kF_{i,k}(j) = \sum_{s=1}^j S_i(s-1)\pi_{is,k}Fi,k​(j)=∑s=1j​Si​(s−1)πis,k​
• Mamba序列编码器
  • 复合输入构造：基线特征+动态临床特征线性嵌入 + 间隔长度傅里叶时间特征 + 缺失值指示符，避免归因偏差
  • 线性时间编码：L层选择性SSM块堆叠，时间复杂度O(N)，高效处理长序列随访数据，Hi=MambaL(X~i)=[hi1,...,hiJi]H_i = \text{Mamba}^L(\tilde{X}_i) = [h_{i1}, ..., h_{iJ_i}]Hi​=MambaL(X~i​)=[hi1​,...,hiJi​​]
• 训练目标与正则化
  • 负对数似然损失（NLL）：直接处理删失数据，适配生存分析核心痛点
    对应核心代码：

    defdiscrete_time_nll(pi,event,time):loss=0.0foriinrange(pi.shape[0]):t=time[i]no_event_probs=pi[i,:t,0]loss-=torch.sum(torch.log(no_event_probs+1e-8))ifevent[i]!=0:event_prob=pi[i,t,event[i]]loss-=torch.log(event_prob+1e-8)returnloss/pi.shape[0]

  • 双正则化项：校准正则化（模型输出与经验频率对齐）+ 组正则化（衰减中心/年份偏移量，避免过拟合）
• 【Agent-A架构图】

Agent-B：OPTN-BlackClust 人群聚类模块

• 核心设计：Mamba长序列嵌入+深度嵌入聚类（DEC）+共识聚类选择，实现稳定、可复现的肾移植人群亚型发现
• 长序列嵌入生成
  • 全周期事件序列构造：整合等待列表、移植、术后随访全流程临床事件序列，保留完整临床信息
  • 阶段化注意力池化：Mamba编码器处理长序列得到时间点表示 → 对等待/术后阶段分别注意力池化 → 拼接得到患者级全局嵌入，ri=[ri(W);ri(P)]r_i = \left[ r_i^{(W)}; r_i^{(P)} \right]ri​=[ri(W)​;ri(P)​]
• 深度嵌入聚类与正则化
  • 多损失联合优化：DEC损失+IDEC重建损失+熵平衡正则化，J=LDEC+λrecLrec+λcent∑k∥μk∥22+βH(qˉ)\mathcal{J} = \mathcal{L}_{\text{DEC}} + \lambda_{\text{rec}}\mathcal{L}_{\text{rec}} + \lambda_{\text{cent}}\sum_k \|\mu_k\|_2^2 + \beta H(\bar{q})J=LDEC​+λrec​Lrec​+λcent​∑k​∥μk​∥22​+βH(qˉ​)
  • 三阶段训练流程：冻结Mamba→预训练自编码器 → K-means初始化聚类中心→ 联合微调DEC/IDEC+定期更新目标分布
• 共识聚类与稳定性评估
  • 最优聚类数K选择：基于CDF增益+Δ-面积准则，科学确定聚类数量
  • 多维度稳定性指标：中心/年份分层重采样，计算bootstrap Jaccard、NMI、ARI，评估聚类可复现性
• 【Agent-B架构图】

Agent-C：Policy-Ops 规则检查模块

• 核心设计：将静态的政策/术语/时间轴文本，转换为机器可执行的约束规则，实现临床规则自动化验证与审计
• 三大核心执行功能
  1. 时间/提交规则执行：检查TRF随访时间/截止日期，触发异常警报；基于PSR发布节奏计算数据冻结日期，评估中心提交准备度；验证种族中性eGFR合规性，生成修正任务
  2. Banff术语验证与标准化：构建机器可读词汇表/值域表，验证病变条目有效性（validlesion(ℓ,x) ⟺ x∈Ωℓ∧format(x)∈Πℓ\text{valid}_{\text{lesion}}(\ell, x) \iff x\in\Omega_\ell \land \text{format}(x)\in\Pi_\ellvalidlesion​(ℓ,x)⟺x∈Ωℓ​∧format(x)∈Πℓ​）；将自由文本映射为受控术语，标准化C4d状态、DSA等关键信息
  3. 诊断摘要智能生成：仅当所有必填病变条目有效+C4d状态已知时，自动生成标准化诊断摘要，保证诊断规范性
• 规则热更新：OPTN/SRTR政策或Banff知识库更新时，仅需增量更新对应规则与元数据，无需重训练KT-LLM主模型，适配临床政策动态变化
• 【Agent-C架构图】

实验结果分析

KT-LLM在肾脏移植领域问答任务中的准确性与证据可溯性

本部分对比KT-LLM与经典检索模型、通用大语言模型、生物医学领域模型，在Banff病理学问答、OPTN/SRTR政策问答中的准确率、精确匹配率、证据命中率，验证其权威知识整合与证据溯源能力。
【主模型：KT-LLM 在特定领域问答（Banff、OPTN 及 SRTR）任务下的对比】

• 领域问答性能最优：KT-LLM取得91.8%准确率+0.82精确匹配率，显著优于所有基线模型，证明领域受限RAG框架能高效利用权威语料，生成准确的肾移植领域答案
• 证据可溯性表现突出：证据命中率83.5%，远超其他模型，得益于证据指针头+覆盖范围约束机制，实现答案陈述与原文证据的精准锚定，保障可追溯性+可审计性，减少主观解释错误
• 基线模型对比优势：通用LLM（如GPT-4）+RAG虽表现良好，但在多条款整合、数值阈值检查的政策合规性任务中仍逊于KT-LLM；纯生物医学模型（如Med-PaLM 2）因缺乏实时政策检索，在时效性强的政策问答中表现落后

SRTR-MambaSurv在生存预测中的判别与校准性能

本部分评估Agent-A在OPTN/SRTR离散时间生存与竞争风险预测中的性能，以死亡、移植物丢失为双终点，对比经典半参数模型、树模型、深度生存模型。
【Agent A（SRTR-MambaSurv）在 OPTN 和 SRTR 时间窗下的生存竞争风险比较】

【KT-LLM 的整体性能概述】

• 综合预测性能领先：SRTR-MambaSurv在C指数、时间依赖性AUC、综合Brier评分（IBS）均为最优，死亡预测C指数0.82、移植物丢失预测C指数0.80，优于最强深度基线Dynamic-DeepHit，证明Mamba线性时间编码器+离散时间竞争风险模型能高效编码长时、稀疏的随访序列
• 判别与校准完美平衡：模型在判别-校准平面位于理想左上区域，同时满足高判别力（C-index > 0.78）+良好校准（IBS < 0.16），符合临床实用标准；相较基线RSF-CR，实现最大净性能提升
• 亚组公平性表现优异：在不同种族、年龄组等临床亚组中，预测性能差距显著小于基线模型，有助于监测并减少亚组间性能差异，提升临床预测的公平性

OPTN-BlackClust在人群亚型发现中的稳定性与预后区分度

本部分验证Agent-B在OPTN-STAR数据中，针对黑人肾移植受者的无监督亚型聚类能力，对比经典聚类算法、深度聚类模型，从聚类质量、稳定性、临床预后区分度三方面评估。
【基于 OPTN STAR（2015-2019）黑人受者的 OPTN-BlackClust 方法对比】

• 聚类质量与稳定性双优：OPTN-BlackClust取得NMI 0.58+ARI 0.45，轮廓系数亦为最优；bootstrap Jaccard稳定性指数0.79，为所有模型最高，证明发现的亚型在不同数据子集间高度可重复
• 临床预后区分度显著：采用Gray检验比较各聚类亚组移植物丢失的累积发生率函数（CIF），模型发现的亚型展现最强预后区分信号（-log10 p = 4.6），说明亚型不仅特征可分，且临床结局差异显著，为个性化治疗分层提供依据
• 方法设计有效性验证：相较Mamba编码+简单K-means，联合深度聚类目标+共识聚类选择策略，显著提升聚类一致性与稳健性，证明该设计对异质性注册数据中稳定、有临床意义的亚型发现至关重要

优势与局限

优势

1. 证据可审计性强：通过领域受限RAG将知识源严格限定于Banff/OPTN/SRTR权威文本，答案/检查表均有版本化证据支持，附带唯一引用ID，可精准溯源，减少主观解释错误
2. 多任务集成度高：单框架协调3个可审计智能体，覆盖生存预测、人群亚型发现、政策合规检查，实现从个体风险评估到群体公平性监测的端到端临床工作流支持
3. 时序建模效率优：采用Mamba线性时间复杂度架构，高效处理长时、稀疏的随访序列，在保持高性能的同时显著降低计算开销，适合多中心大规模临床部署
4. 动态适配性好：主模型+各Agent均支持热更新，政策/知识库更新时无需重训练，仅需增量更新索引/规则，适配临床政策、指南的动态变化

局限

1. 数据与政策依赖性强：模型性能高度依赖外部注册数据的完整性、政策文档的及时更新，数据缺失、政策版本滞后会直接影响判断的准确性与时效性
2. 临床诊断自动化有限：仅验证术语合规性、生成结构化检查表，为避免临床越界，不提供自动化病理诊断，最终诊断与决策仍需临床团队完成
3. 泛化范围待验证：目前仅在2015-2019年黑人肾移植受者人群中验证有效，向其他种族、不同时期、基层医疗中心的泛化能力，仍需进一步多中心研究
4. 知识源范围受限：仅采用Banff/OPTN/SRTR三类语料，暂未整合最新临床研究文献，对前沿研究成果的融合能力不足

参考文献

1. Mamba: Linear-time sequence modeling with selective state spacesGu & Dao, 2024：提出Mamba线性时间序列模型，基于选择性状态空间实现O(N)时间复杂度的长序列编码；本研究将其作为SRTR-MambaSurv的核心编码器，高效处理肾移植长时、稀疏的随访序列
2. Retrieval-augmented generation for knowledge-intensive NLP tasksLewis et al., 2020：提出经典检索增强生成（RAG）框架，实现外部知识库与生成模型的融合；本研究基于此开发领域受限RAG，严格限定权威知识源，保障KT-LLM答案的准确性与可溯源性
3. DeepHit: A deep learning approach to survival analysis with competing risksLee et al., 2018：提出DeepHit竞争风险生存模型，为处理多互斥终点的生存分析提供深度学习方案；本研究借鉴其离散时间竞争风险建模思想，结合Mamba编码器构建SRTR-MambaSurv，适配肾移植双终点预测
4. A proportional hazards model for the subdistribution of a competing riskFine & Gray, 1999：提出经典Fine-Gray比例风险模型，为竞争风险分析的金标准；本研究将其作为基线模型，对比评估SRTR-MambaSurv的预测性能，并采用其方法计算亚组亚分布风险比
5. Use of machine learning consensus clustering to identify distinct subtypes of black kidney transplant recipients and associated outcomesThongprayoon et al., 2022：首次采用机器学习共识聚类，在黑人肾移植受者中发现具有不同临床结局的亚型；本研究的OPTN-BlackClust模块以此为基础，结合Mamba序列嵌入+深度聚类，实现更稳定、更具临床意义的亚型发现