Modelo de Mundo Médico: Simulación Generativa de la Evolución de Tumores para la Planificación de Tratamientos

Medical World Model: Generative Simulation of Tumor Evolution for Treatment Planning

June 2, 2025

Autores: Yijun Yang, Zhao-Yang Wang, Qiuping Liu, Shuwen Sun, Kang Wang, Rama Chellappa, Zongwei Zhou, Alan Yuille, Lei Zhu, Yu-Dong Zhang, Jieneng Chen

cs.AI

Resumen

Proporcionar tratamientos efectivos y tomar decisiones clínicas informadas son objetivos esenciales de la medicina moderna y la atención clínica. Nos interesa simular la dinámica de enfermedades para la toma de decisiones clínicas, aprovechando los avances recientes en modelos generativos a gran escala. Con este fin, presentamos el Modelo de Mundo Médico (MeWM, por sus siglas en inglés), el primer modelo de mundo en medicina que predice visualmente estados futuros de enfermedades basados en decisiones clínicas. MeWM comprende (i) modelos de visión-lenguaje que funcionan como modelos de políticas, y (ii) modelos generativos de tumores como modelos de dinámica. El modelo de políticas genera planes de acción, como tratamientos clínicos, mientras que el modelo de dinámica simula la progresión o regresión del tumor bajo condiciones de tratamiento dadas. Sobre esta base, proponemos el modelo de dinámica inversa que aplica análisis de supervivencia al tumor simulado postratamiento, permitiendo evaluar la eficacia del tratamiento y seleccionar el plan de acción clínico óptimo. Como resultado, el MeWM propuesto simula la dinámica de enfermedades sintetizando tumores postratamiento, con una especificidad de vanguardia en pruebas de Turing evaluadas por radiólogos. Simultáneamente, su modelo de dinámica inversa supera a los GPT especializados en medicina en la optimización de protocolos de tratamiento individualizados en todas las métricas. Notablemente, MeWM mejora la toma de decisiones clínicas para médicos intervencionistas, aumentando el puntaje F1 en la selección del protocolo TACE óptimo en un 13%, allanando el camino para la futura integración de modelos de mundo médico como segundos lectores.

English

Providing effective treatment and making informed clinical decisions are essential goals of modern medicine and clinical care. We are interested in simulating disease dynamics for clinical decision-making, leveraging recent advances in large generative models. To this end, we introduce the Medical World Model (MeWM), the first world model in medicine that visually predicts future disease states based on clinical decisions. MeWM comprises (i) vision-language models to serve as policy models, and (ii) tumor generative models as dynamics models. The policy model generates action plans, such as clinical treatments, while the dynamics model simulates tumor progression or regression under given treatment conditions. Building on this, we propose the inverse dynamics model that applies survival analysis to the simulated post-treatment tumor, enabling the evaluation of treatment efficacy and the selection of the optimal clinical action plan. As a result, the proposed MeWM simulates disease dynamics by synthesizing post-treatment tumors, with state-of-the-art specificity in Turing tests evaluated by radiologists. Simultaneously, its inverse dynamics model outperforms medical-specialized GPTs in optimizing individualized treatment protocols across all metrics. Notably, MeWM improves clinical decision-making for interventional physicians, boosting F1-score in selecting the optimal TACE protocol by 13%, paving the way for future integration of medical world models as the second readers.