Modèle du Monde Médical : Simulation Générative de l'Évolution Tumorale pour la Planification Thérapeutique

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

June 2, 2025

Auteurs: 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

Résumé

Fournir des traitements efficaces et prendre des décisions cliniques éclairées sont des objectifs essentiels de la médecine moderne et des soins cliniques. Nous nous intéressons à la simulation des dynamiques des maladies pour la prise de décision clinique, en exploitant les avancées récentes des grands modèles génératifs. À cette fin, nous présentons le Medical World Model (MeWM), le premier modèle de monde en médecine qui prédit visuellement les états futurs des maladies en fonction des décisions cliniques. MeWM comprend (i) des modèles vision-langage servant de modèles de politique, et (ii) des modèles génératifs de tumeurs comme modèles de dynamique. Le modèle de politique génère des plans d'action, tels que des traitements cliniques, tandis que le modèle de dynamique simule la progression ou la régression des tumeurs sous des conditions de traitement données. Sur cette base, nous proposons le modèle de dynamique inverse qui applique l'analyse de survie à la tumeur simulée post-traitement, permettant d'évaluer l'efficacité du traitement et de sélectionner le plan d'action clinique optimal. En conséquence, le MeWM proposé simule les dynamiques des maladies en synthétisant des tumeurs post-traitement, avec une spécificité de pointe dans les tests de Turing évalués par des radiologues. Parallèlement, son modèle de dynamique inverse surpasse les GPT spécialisés en médecine dans l'optimisation des protocoles de traitement individualisés sur tous les critères. Notamment, MeWM améliore la prise de décision clinique pour les médecins interventionnels, augmentant le score F1 dans la sélection du protocole TACE optimal de 13%, ouvrant la voie à une future intégration des modèles de monde médicaux comme seconds lecteurs.

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.