Resumen: Identificar las asociaciones entre los fenotipos de imágenes y los factores y resultados de riesgo de la enfermedad es esencial para comprender los mecanismos de la enfermedad y mejorar los modelos de diagnóstico y pronóstico. Sin embargo, los enfoques tradicionales se basan en pruebas de hipótesis impulsadas por los humanos y la selección de factores de asociación, a menudo con vistas a dependencias complejas no lineales entre los fenotipos de imágenes y otros datos multimodales. Para abordar esto, introducimos una sinergia exploratoria de múltiples agentes para el marco del corazón (malhagentes) que aprovecha los modelos de idiomas grandes como agentes para provocar, superficie y decidir dinámicamente los factores de confusión y fenotipos en los estudios de asociación, utilizando imágenes cardiovasculares como prueba de concepto. Específicamente, orquestamos un equipo multidisciplinario de agentes de IA, que abarca cardiología, biomecánica, estadísticas e investigación clínica, que generan y convergen espontáneamente en ideas a través del razonamiento iterativo y autoorganizante. El marco sintetiza dinámicamente correlaciones estadísticas con un consenso multi-experto, proporcionando una tubería automatizada para estudios de asociación en todo el fenoma (PHEWAS). Demostramos las capacidades del sistema a través de un estudio basado en la población de fenotipos de imágenes del corazón y aorta. Las malas se descubrieron de manera autónoma correlaciones entre los fenotipos de imágenes y una amplia gama de factores que no son de imagen, identificando variables de facturación adicionales más allá de los factores demográficos estándar. La validación en las tareas de diagnóstico revela que los fenotipos descubiertos de malla logran el rendimiento comparable a los fenotipos seleccionados por expertos, con diferencias medias de AUC tan pequeñas como -0.004 en las tareas de clasificación de enfermedades. En particular, el puntaje de recuperación mejora para 6 de 9 tipos de enfermedades. Nuestro marco proporciona fenotipos de imágenes clínicamente relevantes con razonamiento transparente, que ofrece una alternativa escalable a los métodos de expertos.
Publicado Originalme en export.arxiv.org El 7 de julio de 2025.
Ver Fuente Original
