Truveta 联合华盛顿大学推出 TrajOnco：零训练多智能体覆盖 15 种癌症，1 年风险预测 AUROC 0.64 至 0.80

Truveta 联合华盛顿大学推出 TrajOnco：零训练多智能体覆盖 15 种癌症，1 年风险预测 AUROC 达 0.64 至 0.80

数据视角 × 医疗数据从业者 ｜ 趋势前瞻 × 投资人与产业分析师 ｜ 深度研报

npj Digital Medicine 于 2026 年 10 月 15 日刊出 TrajOnco，这项由 Truveta、华盛顿大学与 Fred Hutch 癌症中心团队合作的工作，提出免训练的多智能体大模型框架，在纵向电子病历上做时间推理，覆盖 15 种癌症类型，预测 1 年内癌症诊断风险，零样本条件下 AUROC 为 0.64 至 0.80，在肺癌基准上与有监督机器学习表现相当。

开场：15 种癌症、1 年风险，一个不用训练的多智能体框架

对医疗数据从业者而言，多癌早筛的难点并不只在算法选型，更在纵向电子病历本身的形状：一个患者的记录往往跨越数年，检验、影像、用药与转诊彼此交错，事件之间的先后顺序有时比事件本身承载更多信息。TrajOnco 把问题明确设定为在这样的序贯临床事件上做时间推理，一次评估即覆盖 15 种癌症类型，预测窗口锁定为未来 1 年内的癌症诊断风险。这一设定的吸引力在于，它不要求为每一种癌种单独训练一套模型，也不依赖人工特征工程去重塑时间维度，同一套流程有望横向铺到新的数据源上。论文的时间坐标同样清楚：2026 年 4 月 15 日收到，9 月 27 日接受，10 月 15 日正式刊出。实践中更现实的约束是数据本身的更新节奏，它们一旦变化，模型是否需要重新标注与重新训练，直接决定它能被维护多久。对掌握真实世界数据的一方来说，框架免训练与否决定它是可复用的流水线，还是一次次性的研究脚本，这正是这项成果值得细读的起点。从数据治理的角度判断，一套能跨癌种复用的推理流程，其边际成本明显低于按癌种逐一建模，这也是评估此类框架时更该计入的一笔账目。

架构怎么搭：chain-of-agents 加长期记忆，把序贯临床事件串成轨迹

具体实现上，TrajOnco 采用 chain-of-agents 架构，把一个完整的推理任务拆给若干角色化的智能体，各环节串行传递中间结论，并由长期记忆保存跨阶段的上下文。纵向病历的长度通常超出单次输入的处理负荷，一次性总结容易切断早期事件与后续判断之间的因果链，而长期记忆的作用是让远端的就诊片段在后续环节仍可被检索与引用。框架不对模型参数做任何训练或微调，完全依靠角色分工与提示组织完成时间推理，这一点把它与需要标注数据喂养的有监督路线区分开来。更具实用含义的是，智能体之间的分工摊薄了单次推理的负担，即便是 GPT-4.1-mini 这样较小容量的模型，同样能够完成有效的时间推理，算力开销与调用成本因此具备压缩空间。论文在实验中与单智能体大模型做了对照，结果显示多智能体方案的时间推理能力更优。对数据团队来说，这种把复杂度转移给工作流而非模型参数的设计尤其值得留意：底座模型可以被替换，围绕数据与步骤建立起来的流程不必推倒重来，长期维护的成本结构随之改变。

输出不只是分数：患者级摘要、证据链接与可聚合的人群风险模式

这套框架的产出不止一个风险数值，而是患者级摘要、带证据链接的推理依据以及预测风险评分三者并列，每一次判断都可以回溯到具体的病历事件。其输出的 groundedness 由人工评估支持，即证据与结论之间的对应关系经过人核验，而非模型自行断言。在数据团队眼里，可回溯这一属性往往比分数本身更难获得，黑箱排序一旦进入临床工作流，解释成本通常被转嫁给使用者。进一步的价值在于，这些可解释的推理结果能够被聚合，形成人群层面的风险模式，论文指出聚合结果与既有临床知识相一致。同一份产出因此兼具两种用途：既是个体层面的判断依据，也可充当校验人群结构、反哺数据治理与队列设计的数据资产。换言之，一次推理既能支撑单个病例的复核，又能在汇总之后呈现人群的风险分布，这种兼顾是单纯输出评分的模型难以同时给到的。对日常需要与数据质量、口径漂移打交道的从业者而言，能解释、能审计的输出形式，比再高几个百分点的判别指标更值得算进收益里。

结果怎么看：0.64 至 0.80 的 AUROC 区间与肺癌基准上的对照

评测建立在 Truveta 的去标识化电子病历之上，覆盖 15 种癌症类型，采用匹配的病例-对照队列，预测目标为 1 年内的癌症诊断风险。零样本条件下，AUROC 分布在 0.64 至 0.80 之间。区间的上端已接近可用的判别水平：在肺癌基准任务上，该框架与有监督机器学习的表现相当；在时间推理能力上，它优于单智能体大模型，两项对照共同构成了论文的核心证据链。需要提醒的是，这一成绩是在匹配好的病例-对照队列上取得的，与真实就诊人群中的发病率分布并不等价，读数字时不能忽略队列构建方式带来的偏移。研究经费来自 Truveta 以及美国国立卫生研究院编号 R35CA274442 的资助，Truveta 同时提供了数据访问与计算资源。两组对照放在一起看，多智能体路线的价值主要体现在时间推理这一维度，而非在判别能力上全面超越有监督机器学习，读到此处的预期需要相应收窄。作者团队则分布在 Truveta、华盛顿大学与 Fred Hutch 癌症中心三方。

冷静观察：0.64 那一端区分度有限，零样本评测不等于可部署的筛查工具

把 0.64 这一端摊开来看，区分度相当有限，部分癌种的结果不能被解读为可用于临床决策的成熟工具。零样本评测证明的是路径可行，并非产品已经成形，从区间的下限走到可部署的筛查工具，中间还隔着真实人群的前瞻验证、风险校准、跨机构数据一致性与成本约束等多重关卡，缺少任何一环都不足以支撑落地判断。从产业视角出发，免训练与多智能体分工降低了复现门槛，较小容量模型即可承担推理，在成本敏感的场景里颇具吸引力，但同类思路能否在不同数据体系上稳定重复，仍需要更长周期的观察。此外，几位作者与资助方的关系已在文中披露：Y.W.K.、W.L.、E.A.、A.O. 为 Truveta 员工，S.Z. 在 Truveta 实习期间完成该项研究。利益相关本身并不构成瑕疵，但它提示这是一项由数据持有方主导并参与资助的工作，独立第三方队列上的复现结果才是下一阶段更值得等待的证据。对关注这一赛道的资金方而言，方法验证与产品验证之间隔着的不只是工程投入，还有人群、机构与时间三重跨度，短期内的想象空间应以此校准。

原文链接：npj Digital Medicine

千方医数集编辑部 出品