💻 computer science

The GRACE Cycle: A General Large-Language-Model Framework for Phenotype Discovery with Unknown Cluster Number

Het artikel introduceert GRACE, een nieuw large-language-model framework dat iteratief hypothesen en bewijsvoering verfijnt om automatisch het optimale aantal klinische subgroepen te ontdekken in heterogene, multimodale data zonder dat voorafgaande specificatie van clusteraantallen vereist is, zoals gevalideerd over Long COVID- en Parkinsonziekte-cohorten.

Oorspronkelijke auteurs: Jing Wang, Zorina Galis, Tong Zhang, Yiming Luo, Amar Sra, Xing Niu, Jie Shen, Qiaomin Xie, Jeremy Weiss

Gepubliceerd 2026-07-14

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Jing Wang, Zorina Galis, Tong Zhang, Yiming Luo, Amar Sra, Xing Niu, Jie Shen, Qiaomin Xie, Jeremy Weiss

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://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 probeert een enorme, rommelige stapel mysterieboxen te sorteren. In elke doos zit de gezondheidsdata van een persoon: hoe ze slapen, hoe ze bewegen, hun hartslag en hoe ze zich dagelijks voelen. Je doel is om uit te zoeken welke dozen bij hetzelfde "team" horen (een specifiek type ziekte) zonder dat iemand je vertelt hoeveel teams er bestaan of wat ze heten.

Lama tijd moesten wetenschappers raden hoeveel teams er waren voordat ze begonnen met sorteren. Het was alsof je zei: "Ik denk dat er precies drie teams zijn," en ze vervolgens dwong in die drie groepen te passen, zelfs als de dozen er duidelijk niet in pasten. Dit artikel introduceert een nieuw hulpmiddel voor detectives genaamd GRACE (Generate, Retrieve, Align, Converge, Evaluate) dat niet hoeft te gokken hoeveel teams er zijn. In plaats daarvan ontdekt het de groepen op een natuurlijke manier terwijl het bezig is.

Het Nieuwe Gereedschap van de Detective: De GRACE-cyclus

Zie GRACE als een superintelligente robotdetective die een "hypothese-loop" gebruikt. Zo werkt het:

De Gok: De robot begint met een simpel idee, zoals: "Misschien worden zieke mensen na verloop van tijd beter."
Het Bewijs: Het leest een partij patiëntendossiers (zoals een stapel dagboekfragmenten).
Het Debat: De robot vraagt zichzelf af: "Ondersteunt het bewijs mijn gok? Zien deze mensen er hetzelfde uit, of zijn ze totaal verschillend?"
De Zet: Op basis van wat het leest, maakt de robot een van de drie zetten:
- SPLIT (Splitsen): "Deze twee mensen zien er te verschillend uit; ze zouden in aparte teams moeten zitten."
- MERGE (Samenvoegen): "Deze twee teams zijn eigenlijk hetzelfde; laten we ze combineren."
- COMMIT (Besluiten): "Oké, ik weet het zeker. Dit zijn de definitieve teams."

De robot blijft deze loop herhalen—lezen, debatteren en aanpassen—totdat de teams stoppen met veranderen. Het is als een beeldhouwer die stukje bij beetje aan een blok steen werkt totdat de ware vorm verschijnt, in plaats van te proberen de steen in een vooraf gemaakte mal te dwingen.

De Grote Winsten: Wat GRACE Vond

De auteurs testten hun robotdetective op drie zeer verschillende soorten gezondheidsdata, en het vond verborgen patronen die oude methoden misten.

1. Het Long COVID-mysterie (13.511 mensen)
In een grote studie naar mensen met Long COVID vond de robot drie duidelijke teams zonder dat hem verteld werd dat er drie waren:

De Beschermden: Deze mensen hadden zeer milde symptomen en bleven actief (gemiddeld 7.197 stappen per dag).
De Respondenten: Deze mensen waren eerst ziek, maar werden na verloop van tijd beter.
De Refractaire (Resistentere) groep: Deze mensen bleven erg ziek, met bijna geen herstel. Hun fysieke activiteit stortte in tot slechts 4.140 stappen per dag.

De robot ontdekte dat het verschil tussen deze groepen niet alleen ging over hoe moe ze zich voelden; het ging over een specifiek "autonoom" systeem in het lichaam. De "Refractaire" groep had een 25 keer hogere kans op autonome problemen (zoals POTS) vergeleken met de "Beschermde" groep. Interessant genoeg merkte de robot op dat hun hartslag in rust bij alle groepen gelijk was; het echte verschil zat in hoeveel ze konden bewegen en oefenen.

2. De Parkinson-puzzel (93 patiënten)
Vervolgens keek de robot naar voetsensoren van mensen met de ziekte van Parkinson die rondliepen. Het vond twee soorten wandelaars:

De Onstabiele Wandelaars: Zij hadden schokkerige stappen en deden er langer over om om te draaien.
De Stabiele Wandelaars: Zij bewogen soepeler.

Het mooie was dat de robot nooit de scores van de artsen heeft gezien (zoals de ernst van de ziekte). Hij ontdekte de groepen puur door naar de voetsensoren te kijken. Toen de auteurs later controleerden, bleken de "Onstabiele Wandelaars" inderdaad lagere scores te hebben op standaard medische tests, wat bewees dat de robot gelijk had.

3. De Bloedsuikertest (16 mensen)
De robot keek ook naar continue glucosemonitoren (apparaten die de bloedsuikerspiegel bijhouden). Het vond twee soorten dagen:

Stabiele Dagen: De bloedsuikerspiegel bleef in een veilige zone.
Schommelende Dagen: De bloedsuikerspiegel sprong wild heen en weer.

Hoewel de robot alleen de suikerspiegelcijfers zag, kwamen de "Schommelende" dagen overeen met hogere laboratoriumresultaten (HbA1c) die de robot nog nooit had gezien.

Wat GRACE NIET Doet (En Wat het Uitsluit)

Het is belangrijk om te weten wat dit hulpmiddel niet doet, want het artikel is heel duidelijk over de grenzen ervan.

Het werkt nog niet op alles. Wanneer de robot probeerde mensen met depressie te sorteren met alleen gegevens over polsbewegingen, vond het twee groepen gebaseerd op hoe actief ze waren, maar het faalde om de depressieve mensen van de gezonde mensen te onderscheiden. Het artikel suggereert dat voor sommige aandoeningen één enkel draagbaar apparaat (wearable) niet genoeg is om het hele plaatje te zien.
Het bewijst geen oorzaak-gevolgrelatie. Het artikel vond dat mensen met een hoger BMI vóór het ziek worden, de neiging hadden om een slechtere Long COVID te krijgen. De auteurs benadrukken echter expliciet dat dit een associatie is, geen bewezen oorzaak. Ze gebruikten een speciale wiskundige truc om aan te tonen dat ongeveer 57,6% van deze link gebeurt omdat een hoger BMI leidt tot een slechtere initiële ziekte, maar er is nog steeds een direct effect (ongeveer 42%) dat door andere redenen gebeurt. Ze zijn voorzichtig om te zeggen dat dit niet betekent dat BMI de ziekte veroorzaakt, maar dat ze wel aan elkaar gelinkt zijn.
Het hoeft geen "black box" te zijn. In tegen tegenstelling tot sommige AI die een antwoord geeft zonder uit te leggen waarom, dwingt GRACE de robot om zijn redenering op te schrijven en zijn werk te controleren tegen echte gegevens.

Hoe Zeker Zijn We?

De auteurs zijn zeer vertrouwd met de stabiliteit van hun bevindingen voor de succesvolle gevallen.

Voor de Long COVID-groepen, als ze de gegevens zouden husselen en de test 100 keer zouden uitvoeren, bleven de groepen bijna exact hetzelfde (een stabiliteitsscore van >0,97).
Voor de Parkinson- en bloedsuikertests waren de groepen ook zeer consistent wanneer de gegevens werden gesplitst en opnieuw getest.

Echter, voor de depressie en de hartslag-alleen tests, waren de groepen minder stabiel. Het artikel suggereert dat hoewel de robot daar sommige patronen vond, deze niet sterk genoeg waren om op zichzelf betrouwbaar te zijn.

De Kern van het Verhaal

Het GRACE-framework is als een nieuw soort microscoop voor gezondheidsdata. Het hoeft niet te weten wat het antwoord is voordat het begint te kijken. Het leest de data, debatteert met zichzelf en onthult langzaam de verborgen groepen patiënten. Het heeft succesvol nieuwe manieren gevonden om Long COVID- en Parkinsonpatiënten te sorteren, maar de auteurs waarschuwen dat het nog geen toverstaf is voor elke ziekte. Het werkt het best wanneer de data rijk is en de patronen duidelijk zijn, en het heeft meer nodig dan slechts één sensor om de lastigste medische mysteries op te lossen.

Technische Samenvatting: De GRACE-cyclus

Probleemstelling
Fenotype-ontdekking—het identificeren van klinisch of biologisch betekenisvolle subgroepen uit data—is essentieel voor precisiegeneeskunde, maar staat voor drie hardnekkige knelpunten:

Onbekend aantal clusters ( $K$ ): Conventionele clusteringalgoritmen (bijv. k-means, Latent Class Trajectory Modelling) vereisen dat $K$ vooraf wordt gespecificeerd. Heuristieken zoals silhouette scores falen vaak bij de overdracht naar heterogene modaliteiten, en bij complexe chronische ziekten is het werkelijke aantal fenotypes juist de variabele die onderzoekers willen leren begrijpen.
Data-heterogeniteit: Klinische cohorten mengen vaak tabulaire demografie, onregelmatige longitudinale scores, continue wearable-stromen en vrije tekstverslagen. Standaard pipelines dwingen deze diverse modaliteiten in een enkele afstandmetriek, waarbij de structurele informatie die nodig is voor interpreteerbaarheid vaak verloren gaat.
Schaalbaarheid naar LLM-contextlimieten: Hoewel Large Language Models (LLM's) uitblinken in het synthetiseren van heterogene bewijslast, worden ze beperkt door contextvensters. Klinische cohorten kunnen $10^4$ tot $10^6$ entiteiten omvatten, waardoor het onmogelijk is voor een enkele LLM-aanroep om een volledige dataset te verwerken. Naïeve willekeurige batching riskeert het mengen van onderscheidende fenotypes, wat het doel van clustering tenietdoet.

Methodologie: De GRACE-cyclus
De auteurs introduceren de GRACE-cyclus (Generate hypothesis, Retrieve evidence, Align, Converge, Evaluate), een raamwerk waarin een hypothese, een LLM en een bewijslast iteratief worden verfijnd totdat ze overeenstemmen. Het raamwerk werkt in een gesloten lus:

Hypothese-initiatie: Een werkende hypothese initieert de lus.
Bewijsretrieval: De LLM leest een batch entiteiten onder de huidige hypothese.
Uitlijning & Iteratie: De LLmer bevestigt, verwerpt of ondersteunt de hypothese gedeeltelijk, en stelt het toevoegen of verwijderen van kenmerken voor. De hypothese en de set kenmerken worden bijgewerkt.
Convergentie: De lus herhaalt zich totdat de hypothese en het bewijs overeenstemmen over onafhankelijke steekproeven heen.

Om het onbekende $K$ aan te pakken, omhult GRACE deze cyclus met een Graph-of-Thought (GoT) verfijningsstap:

Seed Clustering: Spectrale clustering op een kleine startwaarde ( $K_0$ ) genereert samenvattende kaarten voor elk cluster.
LLM-verfijning: De LLM leest deze samenvattende kaarten plus een matrix van de gelijkenis tussen clusters.
Beslissingsbewegingen: De LLM stelt een van drie bewegingen voor: SPLIT (indien interne heterogeniteit wordt gedetecteerd), MERGE (indien clusters redundant zijn), of COMMIT (indien de partitie stabiel is).
Terminatie: Het proces iteratieve totdat het aantal clusters stabiliseert over twee onafhankelijke willekeurige subsamples.

Technische Bijdragen

Prompt Design: Een viercomponenten-prompttemplate die integreert:
- Taakformulering (domeinspecifieke rol).
- Geserialiseerde entiteitshistorieën (chronologische sequenties van observaties).
- Een expliciete actieve hypotheseformulering.
- Gestructureerde JSON-output (labels, rationale en de SPLIT/MERGE/COMMIT-beweging).
- Instrumentatie: Bevat fairness pre-processing en paar-vergelijkende batching om ervoor te zorgen dat de LLM vergelijkbare entiteiten vergelijkt in plaats van ze geïsoleerd te labelen.
Data-voedingsstrategie: Een $k$ -nearest-neighbour (k-NN) gelijkenis-graaf comprimeert grote cohorten ( $10^4$ – $10^6$ entiteiten) naar batches die binnen het contextbudget passen. Door een entiteit samen met zijn $k$ dichtstbijzijnde buren te presenteren, behoudt het systeem het signaal-ruisvoordeel van vergelijkingsgebaseerd leren op schaal.

Belangrijkste Resultaten
Het raamwerk werd gevalideerd over drie heterogene fenotyperingsproblemen:

Long COVID Subfenotypering (NIH RECOVER Cohort, $n=13.511$ ):
- GRACE ontdekte drie subfenotypes zonder $K$ te specificeren: Protected (lage belasting, hoge activiteit), Responder (intermediaire belasting, herstel in de tijd) en Refractory (aanhoudend hoge belasting, lage activiteit).
- Mechanisme: De subtypes worden verklaard door een enkele autonome/post-virale vermoeidheidsas. De Refractory-groep vertoonde een 25-voudige verrijking van dysautonomie vergeleken met de Protected-groep.
- Wearable Signalen: De scheiding werd gedreven door een instorting in fysieke activiteit (stappen/dag) in plaats van hartslagmetingen.
- Mediatieregeling: Een mediatieanalyse toonde aan dat de associatie tussen BMI vóór infectie en symptoomlast gedeeltelijk wordt gemedieerd door acute ernst (57,6%), maar een significante directe effect behoudt.
- Stabiliteit: De Bootstrap Jaccard-stabiliteit oversteeg 0,97.
Parkinsonziekte Motorische Subtypering (PhysioNet gaitpdb, $n=93$ ):
- GRACE ontdekte twee loopsubtypes (Unstable-gait en Preserved-gait) zonder voorafgaande $K$ .
- Validatie: De subtypes werden extern gevalideerd tegen achtergehouden klinische scores (Timed-Up-and-Go, Hoehn–Yahr stadium, UPDRS), waarbij een significante scheiding werd aangetoond ( $p=0,002$ voor TUG).
- Generaliseerbaarheid: Dit demonstreerde het vermogen van het raamwerk om over ziekten en sensormodaliteiten heen te transfereren (voetsensor-loopgegevens) zonder her-specificatie.
Aanvullende Wearable Cohorten:
- Type-2 Diabetes (CGM): Ontdekte twee glycemische-dagsubtypes gevalideerd tegen achtergehouden HbA1c-waarden.
- Depressie (Actigrafie) & Cardiaal (Holter HRV): GRACE identificeerde fysiologisch reële structuren (bijv. autonome balansassen), zelfs wanneer deze structuren de categorische diagnostische labels niet perfect voorspelden, waarmee de grenzen van wearable-only subtypering werden afgebakend.

Betekenis
Het artikel beweert dat GRACE het eerste raamwerk is waarbij een LLM tegelijkertijd dient als de hypothese-revisie-agent, de bewijs-lezer en de zachte cluster-toewijzingsorakel. De primaire betekenis ligt in:

Outputten van $K$ : Het herstelt het aantal fenotypes als een output via een verifieerbaar graph-cut criterium, in plaats van het te behandelen als een input-hyperparameter.
Schaalbaarheid: Het schaalt naar cohorten van $n=13.511$ met een lokaal-LLM compatibele architectuur, waarbij de privacy wordt gewaarborgd onder strikte data-gebruiksovereenkomsten (bijv. RECOVER).
Domein-agnostisch: Het demonstreert dat LLM-gestuurde iteratieve redenering conventionele clustering kan vervangen wanneer het aantal fenotypes onbekend is, over longitudinale, loop- en metabole datamodaliteiten heen.
Interpreteerbaarheid: De resulterende fenotypes zijn statistisch scheidbaar, extern gevalideerd en gegrond in coherente klinische mechanismen (bijv. de autonome gradiënt in Long COVID).