🤖 AI

Knowledge Graph Augmented Large Language Models for Disease Prediction

Dit artikel stelt een kennisgrafiek-gestuurd chain-of-thought-raamwerk voor dat lichtgewicht grote taalmodellen finetunet op elektronische gezondheidsdossiers om sterke, klinisch geprefereerdeerde ziektevoorspelling en zero-shot transferprestaties te bereiken met duidelijke, temporeel consistente rationales.

Oorspronkelijke auteurs: Ruiyu Wang, Tuan Vinh, Ran Xu, Yuyin Zhou, Jiaying Lu, Francisco Pasquel, Mohammed K Ali, Carl Yang

Gepubliceerd 2026-08-04

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Ruiyu Wang, Tuan Vinh, Ran Xu, Yuyin Zhou, Jiaying Lu, Francisco Pasquel, Mohammed K Ali, Carl Yang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een detective bent die een mysterie probeert op te lossen, maar in plaats van een plaats delict kijk je naar de medische geschiedenis van een patiënt. Deze geschiedenis is een enorme, chaotische stapel aantekeningen, codes en laboratoriumuitslagen die Elektronische Gezondheids Dossiers (EGD's) worden genoemd. Lange tijd waren computers goed in het bekijken van deze stapels en zeggen: "Er is een kans van 70% dat deze patiënt ziek wordt." Maar ze waren verschrikkelijk in het uitleggen van het waarom. Het was alsoast een detective die naar een verdachte wijst en zegt: "Ik weet het gewoon," zonder ook maar één aanwijzing te tonen. Dit is frustrerend voor echte artsen, die de logica moeten begrijpen om beslissingen over leven en dood te nemen.

Onlangs arriveerde er een nieuw soort computerbrein: een Large Language Model (LLM). Dit zijn als superintelligente studenten die bijna alles kunnen lezen en verhalen kunnen schrijven. Ze kunnen hun denken stap voor stap uitleggen, een proces dat "Chain-of-Thought" wordt genoemd. Echter, deze studenten verzinnen soms dingen of raken in de war, vooral wanneer ze te maken hebben met serieuze medische feiten. Om dit op te lossen, proberen wetenschappers deze AI-studenten een gigantische, vooraf geschreven encyclopedie van medische feiten te leren, een Knowledge Graph. Denk aan de Knowledge Graph als een kaart die precies laat zien hoe ziekten, genen en medicijnen met elkaar verbonden zijn. De grote vraag is: kunnen we een slimme AI leren om deze kaart te gebruiken om zijn medische voorspellingen helder en correct uit te leggen, zelfs als hij niet miljoenen voorbeelden heeft gezien?

Dit artikel introduceert een slimme nieuwe methode om "ja" op die vraag te antwoorden. De onderzoekers bouwden een systeem dat fungeert als een strenge maar behulpzame tutor voor een AI-student. In plaats van de AI vrij te laten raden, gebruiken ze eerst een massieve medische kaart (PrimeKG) om de specifieke aanwijzingen te vinden die de huidige symptomen van een patiënt verbinden met een toekomstige ziekte. Vervolgens vragen ze de AI om een verhaal te schrijven dat de voorspelling uitlegt, maar ze dwingen de AI om het pad op de kaart te volgen. Als het verhaal van de AI niet overeenkomt met de werkelijke medische feiten of de logica van de kaart, gooit het systeem dat verhaal weg en probeert het opnieuw. Dit proces creëert een kleine, hoogwaardige bibliotheek van perfecte voorbeelden.

Het team testte dit op een dataset van ziekenhuisarchieven genaamd MIMIC-III, waarbij de focus lag op het voorspellen van tien verschillende ziekten. Ze leerden twee lichtgewicht AI-modellen (LLaMA-3.1 en Gemma) met slechts kleine hoeveelheden data — slechts 400 of 1.000 patiëntenbezoeken. De resultaten waren verrassend: deze kleine, zorgvuldig onderrichte modellen presteerden competitief met, en in sommige gevallen zelfs iets beter dan, traditionele zware computerprogramma's. Ze behaalden een score (AUROC) tussen 0,66 en 0,70 en een macro-AUPR tussen 0,40 en 0,47, wat een sterk resultaat is voor een zo kleine hoeveelheid trainingsdata, en dat sterke klassieke baselines zoals XGBoost en Random Forest op specifieke metrieken evenaart of overtreft. Nog indrukweender was dat toen ze deze modellen testten op een compleet andere groep patiënten (de CRADLE-cohort) zonder extra training, de nauwkeurigheid van de modellen sprong van ongeveer 0,40–0,51 naar 0,72–0,77. Dit suggereert dat de modellen een algemene manier van denken over ziekte hebben geleerd, en niet alleen feiten hebben uit het hoofd geleerd.

Ten slotte vroegen de onderzoekers echte artsen om de verklaringen van de AI te beoordelen. In een blinde test gaven de artsen een overweldigende voorkeur aan de verklaringen gegenereerd door de "kaart-gestuurde" AI. Ze vonden deze verklaringen duidelijker, relevanter en medisch meer onderbouwd. De artsen merkten op dat de AI stopte met het doen van wilde gokken en begon bewijs logisch te organiseren, net zoals een echte clinicus dat zou doen. Het artikel suggereert dat door AI-redenering te verankeren aan een solide medische kaart, we tools kunnen creëren die niet alleen ziekten voorspellen, maar ook hun redenering kunnen uitleggen op een manier die artsen kunnen vertrouwen en gebruiken.

Technische Samenvatting: Knowledge Graph Augmented Large Language Models voor Ziektevoorspelling

Probleemstelling

Elektronische Gezondheidsdossiers (EHRs) bevatten longitudinale gegevens die geschikt zijn voor klinische voorspelling, maar bestaande modellen falen vaak in het bieden van patiëntspecifieke redeneringen die actiegericht zijn voor clinici. Klassieke modellen (bijv. logistische regressie, boomensembles) bieden robuustheid en globale interpreteerbaarheid, maar leveren doorgaans slechts grove, post-hoc verklaringen (bijv. feature belang scores) die gebreken vertonen in de stapsgewijze narratieven die nodig zijn voor specifieke klinische beslissingen. Daarentegen, hoewel Large Language Models (LLMs) Chain-of-Thought (CoT) narratieven kunnen genereren, wordt hun ongecontroleerde toepassing in de geneeskunde gehinderd door een tekort aan hoogwaardige, klinisch gevalideerde redeneerdatasets en het risico op gehallucineerde of medisch incorrecte tussenstappen. De kernuitdaging is om LLMs in staat te stellen nauwkeurige ziektevoorspelling op bezoekniveau uit te voeren, terwijl ze verklaringen genereren die feitelijk geworteld zijn in biomedische kennis en temporeel consistent zijn met de patiëntgeschiedenis.

Methodologie

De auteurs stellen een Knowledge Graph (KG)-gestuurd CoT-framework voor, ontworpen om het redeneerproces van LLMs te ondersteunen met de structuur van PrimeKG, een grootschalige biomedische knowledge graph. De pijplijn bestaat uit vier primaire fasen:

KG Entiteit Mapping:
- ICD-9 codes uit MIMIC-III worden uitgelijnd met PrimeKG-nodes via een driefasige procedure:
  - Exacte Match: Directe string matching tussen ICD-9 beschrijvingen en KG-node labels.
  - Similarity Match: Embedding-gebaseerde retrieval (cosine similarity > 0,85) voor niet-exacte matches.
  - LLM Filtering: GPT-4o valideert of reviseert voorlopige mappings om klinische correctheid te waarborgen.
- Dit proces levert 1.513 gemapte feature-nodes en 10 gemapte ziekte-nodes op.
KG Relevantie en Pad Mining:
- Voor elke doelziekte identificeert het systeem een compacte set relevante feature-nodes ( $R_d$ ) met behulp van GPT-4o.
- Redeneerpaden: Kortste paden (beperkt tot $L=5$ hops) worden geëxtraheerd tussen relevante feature-nodes en de doelziekte-node binnen PrimeKG.
- Pad Selectie: GPT-4o filtert deze paden om alleen die te behouden die klinisch relevant en mechanistisch solide zijn, waarbij spookachtige ketens worden gesnoeid.
CoT Generatie en Filtering:
- De LLM wordt geprompt om CoT-verklaringen ( $C_{t,d}$ ) te genereren voor een specifiek bezoek $t$ , waarbij de geobserveerde ICD-9 features, de ziektespecifieke relevantie-set en de geminede KG-paden worden geïntegreerd.
- Label-Consistentie Filtering: Gegenereerde CoT-traces worden alleen behouden als de expliciete binaire conclusie ( $\hat{y}$ ) afgeleid van de redenering overeenkomt met de grondwaarheid (ground-truth outcome $y$ ). Dit creëert een hoogwaardige, op KG gegronde supervisie-corpus.
Model Fine-Tuning:
- Lichtgewicht open-weight modellen (LLaMA-3.1-Instruct-8B en Gemma-7B) worden gefinetuned op deze gecureerde corpus.
- Tijdens inferentie nemen deze modellen ICD-9 features en ziektespecifieke KG-bewijslast als input om zowel een ziektevoorspelling als een klinische redeneer-trace te produceren.

Belangrijkste Bijdragen

KG-Gestuurd CoT Framework: Een nieuwe methode die de structuur van een biomedische KG direct integreert in het CoT-generatieproces, waarmee men verder gaat dan ongecontroleerde vrije vorm verklaringen naar klinisch gegronde redenering.
Data-Efficiënte Supervisie: De constructie van een compacte, hoogwaardige supervisie-corpus via label-consistentie filtering stelt kleine LLMs (8B parameters) in staat om prognostisch redeneren te leren met beperkte data (400–1.000 samples).
Zero-Shot Transfer: Het framework demonstreert het vermogen om geleerde redeneerpatronen te transfereren naar een afzonderlijke cohort (CRADLE) zonder hertraining, waarbij een hoge nauwkeurigheid behouden blijft bij het voorspellen van cardiovasculaire gebeurtenissen na een diabetesdiagnose.
Clinician-Centric Evaluatie: Een geblindeerde menselijke studie valideert dat KG-gestuurde verklaringen verkozen worden boven baselines wat betreft helderheid, relevantie en klinische correctheid.

Experimentele Resultaten

Het framework werd geëvalueerd op de MIMIC-III cohort (10 ziekten gemapt naar PrimeKG) en de CRADLE cohort (Type 2 diabetes naar cardiovasculaire gebeurtenissen).

Prestaties op MIMIC-III:
- In low-data settings (400 en 1.000 index bezoeken), verbeterde de KG-gestuurde CoT fine-tuning de prestaties van LLaMA-3.1-8B en Gemma-7B, waarbij resultaten werden behaald die competitief zijn met of superieur aan sterke klassieke baselines (XGBoost, Random Forest, Logistische Regressie).
- LLaMA-3.1 (1.000 samples): Behaalde een AUROC van 0,6995 en een macro-AUPR van 0,4685, wat de beste klassieke baseline (Logistische Regressie: AUROC 0,6874, AUPR 0,4178; XGBoost: AUROC 0,6799) licht overtreft.
- Gemma-7B: Toonde vergelijkbare verbeteringen, waarbij de macro-AUPR steeg van 0,25 (origineel) naar 0,4363 (KG-CoT getuned), hoewel de AUROC (0,6609) nog steeds iets onder de top klassieke baselines bleef.
- Ablatie: Het verwijderen van KG-sturing of filtering verminderde de prestaties, wat bevestigt dat zowel de structurele gronding als de label-consistentie filter cruciaal zijn.
Zero-Shot Transfer naar CRADLE:
- Modellen die gefinetuned waren op MIMIC-III werden toegepast op CRADLE zonder hertraining.
- De nauwkeurigheid verbeterde van 0,40–0,51 (niet getuned) naar 0,72–0,77 (KG-CoT getuned).
- Hoewel de AUROC en AUPR matige winsten lieten zien, suggereert de significante sprong in nauwkeurigheid dat de modellen een robuustere beslissingsgrens hebben geleerd die generaliseert over cohorten.
Menselijke Evaluatie:
- In een geblindeerde studie met 115 gevallen gaven clinici de voorkeur aan het KG-gestuurde model boven de ongetunede baseline in 96,5% van de gevallen voor Helderheid/Coherentie, 94,8% voor Dekking/Relevantie en 98,3% voor Correctheid/Grondslag.
- Clinici merkten op dat de KG-gestuurde traces beter temporeel georganiseerd waren, betekenisvolle risicofactoren benadrukten en ononderbouwde sprongen vermeden.

Betekenis en Claims

Het artikel claimt dat KG-verankerde CoT-supervisie kleine, open-weight LLMs in staat stelt om data-efficiënte, klinisch gegronde prognostische redenering te leren. De betekenis ligt in het overbruggen van de kloof tussen accurate voorspelling en interpreteerbare rechtvaardiging:

Betrouwbaarheid: Door redenering te verankeren in PrimeKG en te filteren op label-consistentie, mitigeert het systeem hallucinaties en waarborgt het medische plausibiliteit.
Generaliseerbaarheid: De geleerde redeneerpatronen transfereren effectief naar out-of-distribution cohorten (CRADLE), wat suggereert dat de modellen onderliggende ziekmechanismen vangen in plaats van dataset-specifieke artefacten.
Klinische Bruikbaarheid: Het framework produceert verklaringen die clinici duidelijker en betrouwbaarder vinden, wat de adoptie van LLMs in klinische beslissingsondersteunende systemen kan faciliteren waar transparantie essentieel is.

De auteurs merken bescheiden op dat de aanpak afhankelijk is van de dekking van PrimeKG en dat toekomstig werk rijkere EHR-weergaven (notities, labs) en multi-bezoek contexten moet verkennen.