TrajOnco：多智能体大模型读纵向病历早筛多种癌症，零样本AUROC最高0.80

核心要点

• 问题：癌症的早期信号往往藏在患者历次就诊的电子健康记录（electronic health record，EHR）里——逐渐加重的贫血、反复腹痛的影像检查、用药变化等，但纵向病历时间跨度长、事件稀疏且跨专科混杂，单一大模型难以在超长上下文中可靠地做时序推理。
• 方法：TrajOnco 是一个免训练（training-free）的多智能体大模型框架，用「智能体链（chain-of-agents）+ 长期记忆（long-term memory）」对纵向 EHR 做时序推理，输出患者级摘要、带证据的推理说明和 1 年癌症诊断风险评分，在 Truveta 去识别 EHR 上以配对病例-对照方式覆盖 15 种癌症。
• 结果：零样本（zero-shot）AUROC 达 0.64–0.80，肺癌基准上与监督式机器学习相当，时序推理优于单智能体大模型，且小模型（GPT-4.1-mini）也能有效工作。
• 意义：把多智能体大模型架构首次用于纵向 EHR 的多癌早筛，提供可解释、可溯源的风险推理，是医疗多智能体工作流与医疗 AI 评估验证的一个新方向。
• 原文：TrajOnco: a multi-agent framework for temporal reasoning over longitudinal EHR for multi-cancer early detection，npj Digital Medicine，2026-10-15

1. 多癌早筛的"病历时序"难题

癌症早筛的传统手段——血液标志物、影像、内镜——解决的是"某一时刻有没有可疑病灶"。但还有一类更隐蔽的早期信号，藏在一个人的完整就诊史里：贫血在半年里缓慢加重、同一部位反复做的影像检查、某种用药的长期变化。把这些分散在时间轴上的弱信号串起来，本可以更早地提示风险。

难点在于建模这种"患者轨迹"本身。纵向 EHR 通常横跨数年、记录成千上万条事件，事件稀疏、噪声多、还跨多个专科。单一大模型处理这种超长上下文时，容易出现"迷失在中间"的问题——早期的重要线索被淹没在后面的海量记录里，时间先后顺序也难以被可靠保留。多智能体大模型能不能靠分工协作、把时间顺序真正"读"出来，从而早筛多种癌症？这篇发表在 npj Digital Medicine 的研究给出了一个有说服力的方向性答案。

2. TrajOnco 的核心创新

这项工作没有训练一个新模型，而是用"多智能体分工"重构了读病历的方式，有三个实质创新点。

第一，用智能体链（chain-of-agents）把超长病历拆开读。 过去单一大模型要一口气吞下整份病历，既超上下文又容易丢失时间顺序。TrajOnco 让多个工作智能体各自只负责一段按时间切分的记录，分别产出局部风险判断和带时间戳的关键事件，最后由一个管理智能体汇总，避免了长文本里的信息衰减。

第二，用长期记忆（LTM）留住早期弱信号。 早期那些尚不明显的线索，一旦被后续海量记录淹没就再也找不回来。TrajOnco 的长期记忆模块会去重、聚合、持久化跨时间的关键事件，让"半年前的贫血"能在"今天的诊断推理"里被重新唤起，这是它时序推理优于单智能体的关键。

第三，免训练、零样本，按癌种只改提示词即可迁移。 它不需要针对每种癌症做大规模标注微调，只需按癌种做少量提示词调整，就能零样本覆盖 15 种癌症。这一设计大幅降低了把同一套框架扩展到多种癌症的成本。

3. 技术原理：智能体链和长期记忆怎么读纵向病历

从输入到输出的完整链路是这样的。输入是把一位患者的纵向 EHR 整理成按时间排序的结构化 XML 文本，再做"时间感知分块"（time-aware chunking），切成若干连续的时间片段。处理阶段，每个工作智能体逐块分析自己那一段，输出两样东西：对这一段癌症风险的局部判断，以及它认为高价值、需要记住的带时间戳事件，交给长期记忆模块去重并持久化。输出阶段，管理智能体综合长期记忆里沉淀下来的关键事件和各智能体的累积判断，生成患者级摘要、带证据的推理说明和 1 年诊断风险评分。

评价方式分两层。判别能力用 AUROC 衡量——看模型能不能把"未来 1 年内确诊"的患者和"未确诊"的对照区分开；推理质量则由人工评估把关，核验输出里的推理是否真能追溯到病历原文（即"保真度/可溯源"）。需要强调的是，这里测的是一个免训练的研究框架在回顾性数据上的判别与推理能力，不等于已经能落地的完整临床产品。

4. 数据说话：15 种癌症零样本 AUROC 0.64–0.80

最硬的一条结论是：在零样本、免训练的条件下，TrajOnco 对 15 种癌症的 1 年诊断风险预测 AUROC 落在 0.64–0.80 区间，大多数癌种超过 0.70；在肺癌基准上，它的表现与专门用监督式机器学习训练出来的模型相当。这说明多智能体架构本身就能带来实打实的时序推理增益，而非单纯堆模型规模。

但必须把性质说清楚。这是一项回顾性病例-对照研究，不是前瞻性临床验证：配对队列是在"已经知道谁确诊"的前提下回看历史记录评估的，不能等同于"在真实就诊中提前预警癌症"的实际效果；且摘要未披露具体病例总数、也未给肺癌基准的确切 AUROC 数值，需要到论文全文里查证。作者在正文中也明确把零样本评估的局限、以及依赖单一 Truveta 数据带来的可推广性问题摆了出来。

5. 从实验室到临床：应用前景与局限

在应用层面，这套框架可能带来几个方向。一是面向高风险个体的筛查与监测分诊：在常规 EHR 上做风险分层，把有限的影像/内镜资源优先导向最该查的人；二是可解释的可溯源推理：因为每个风险判断都附带证据链接，医生可以回看"到底哪几条记录让模型认为有风险"，这比一个黑盒分数更可能被临床接受；三是群体层面的风险模式洞察：把个体推理结果聚合起来，可以揭示与已知临床知识相符的人群风险规律，供科研和公卫参考。

局限同样不能回避。第一，回顾性病例-对照不等于临床有效，尚需前瞻性队列或随机试验来验证它能否真正提前诊断、改善结局。第二，数据来源单一——全部基于 Truveta 去识别 EHR，能否迁移到编码体系、就诊习惯不同的其他卫生系统（尤其是中国）仍需独立验证。第三，零样本评估未必反映真实世界表现，AUROC 0.64 的癌种在临床上仍不够可靠。第四，本研究是算法层面的验证，未部署到真实临床流程，也未测量它对患者结局的实际影响。

6. 结论与产业启示

这项研究给出的最核心结论是：多智能体大模型框架可以在纵向 EHR 上做可解释的时序推理，零样本地对 15 种癌症预测 1 年诊断风险，AUROC 达 0.64–0.80，且在肺癌基准上比肩监督式机器学习——但这一切仍是回顾性证据，离临床落地还有距离。

对医疗 AI 产业有三点启示。其一，多智能体工作流是处理长时序医疗数据的一条可行路线：把"超长病历"这个单模型啃不动的难题，用"分块 + 记忆 + 汇总"的分工方式化解，这与一管血早筛多种癌症形成了互补——血液检测走的是分子标志物路线，而 EHR 时序推理走的是"病历里已有的信号"路线，两条路径都指向同一个"更早发现"的目标。其二，医疗 AI 评估验证要严格区分回顾性与前瞻性：AUROC 再漂亮，只要还是病例-对照设计，就只代表"回看时能区分"，不代表"就诊时能预警"，评估时要守住这条线。其三，可解释、可溯源是落地前提：从在电子病历里独立看病的 MIRA到问诊前的大模型智能体，一个共同的命题是——只有当 AI 能说清"我为什么这么判断"时，医生才可能真的用它。这正是医疗多智能体工作流这类医疗 AI 解决方案需要长期打磨的方向。

相关问题

问：TrajOnco 现在就能用于临床早筛吗？ 答：不能。这是回顾性病例-对照研究，只在"已经知道谁确诊"的历史数据上回看评估，且数据单一、摘要未披露完整病例数，需前瞻性队列或随机试验验证后才谈得上临床应用。

问：它会替代血液检测、影像筛查或医生吗？ 答：不会。它做的是基于病历的风险分层，与血液标志物、影像检查是互补关系，目标是帮医生把资源优先导向高风险人群，最终的诊断与决策仍由医生完成。

问：这对中国医疗环境意味着什么？ 答：思路值得借鉴——中国有规模庞大的电子病历数据，用多智能体做时序推理做早筛有现实土壤。但中国的 EHR 编码体系、就诊记录结构与 Truveta 差异大，必须用本土数据、本土流程做独立验证，不能直接照搬其 AUROC 结论。

参考文献

1. Zeng S, Kim YW, Lau W, et al. TrajOnco: a multi-agent framework for temporal reasoning over longitudinal EHR for multi-cancer early detection. npj Digital Medicine, 2026. https://doi.org/10.1038/s41746-026-03377-9
2. Nabavizadeh N, et al. Performance and safety of a multi-cancer early detection test: the PATHFINDER 2 study. Nature Medicine, 2026. https://doi.org/10.1038/s41591-026-04618-w

本文基于该论文的独立解读，仅供学术交流，不构成临床建议。