Modello Mondiale Medico: Simulazione Generativa dell'Evoluzione Tumorale per la Pianificazione Terapeutica

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

June 2, 2025

Autori: 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

Abstract

Fornire trattamenti efficaci e prendere decisioni cliniche informate sono obiettivi fondamentali della medicina moderna e dell'assistenza clinica. Siamo interessati a simulare le dinamiche delle malattie per supportare il processo decisionale clinico, sfruttando i recenti progressi nei modelli generativi su larga scala. A tal fine, introduciamo il Medical World Model (MeWM), il primo modello di mondo in ambito medico che prevede visivamente gli stati futuri delle malattie in base alle decisioni cliniche. MeWM comprende (i) modelli visione-linguaggio che fungono da modelli di policy, e (ii) modelli generativi di tumori come modelli dinamici. Il modello di policy genera piani d'azione, come i trattamenti clinici, mentre il modello dinamico simula la progressione o la regressione del tumore in condizioni di trattamento specifiche. Sulla base di ciò, proponiamo il modello di dinamica inversa che applica l'analisi di sopravvivenza al tumore simulato post-trattamento, consentendo la valutazione dell'efficacia del trattamento e la selezione del piano d'azione clinico ottimale. Di conseguenza, il MeWM proposto simula le dinamiche delle malattie sintetizzando tumori post-trattamento, con una specificità all'avanguardia nei test di Turing valutati dai radiologi. Allo stesso tempo, il suo modello di dinamica inversa supera i GPT specializzati in medicina nell'ottimizzazione di protocolli di trattamento individualizzati in tutte le metriche. In particolare, MeWM migliora il processo decisionale clinico per i medici interventisti, aumentando l'F1-score nella selezione del protocollo TACE ottimale del 13%, aprendo la strada alla futura integrazione dei modelli di mondo medico come secondi lettori.

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.