我们为临床医生和癌症研究人员构建了Onco-Insight，旨在提供生存分析和机器学习功能，而无需在SPSS/SAS中浏览复杂的菜单或编写代码。
Onco-Insight由Claude Sonnet 3.5（AWS Bedrock）驱动，但它采用了一种混合用户界面，而不仅仅是提供代码片段。您可以通过描述您的任务开始，例如：“按阶段分层的生存曲线（KM）分析；然后进行Cox回归分析，考虑年龄/雌激素受体状态。”AI代理随后会建议一个计划，包括模型、变量和检查项。
“人机协作”（HITL）步骤允许您审查并确认该计划。这包括检查模型列表、预测变量、删失规则、时间/终点以及诸如竞争风险等关键考虑因素，这些因素可能会显著影响生存结果。
经过一键运行，Onco-Insight会执行管道并提供结果、假设检查以及通俗易懂的解释。您可以通过接受或细化代理的下一步措施（例如比例风险诊断、RSF基准测试或校准）来进行迭代。
为什么采用这种方法？
我们发现，虽然大型语言模型（LLMs）在规划方面表现出色，但如果只是让您复制和粘贴代码，它们可能不可靠。我们的代理+人机协作方法使您能够掌控，同时消除冗余工作。大多数运行会提供图表/表格、模型诊断以及方法论和解释的简明草稿。
今天包含了哪些内容？
生存分析：Kaplan-Meier（分组）、Cox比例风险（带有PH检验）、加速失效时间（AFT，选择特定族）、随机生存森林（RSF，袋外指标）和时间依赖的AUC。
数据保护：缺失报告、事件/删失检查、泄漏检查，以及在可用时对mCODE/FHIR字段的基本协调。
数据源：您可以使用自己的数据集，也可以使用公共数据共享平台，如SEER。
输出：该工具生成图形/表格和可审计的“分析计划”，显示所运行的内容、使用的参数和质量控制步骤。
我们希望得到哪些反馈：
人机协作（HITL）检查点是否足够？（例如，指定变量类型、时间起点、左删失、竞争风险）。
在用户界面中，哪些生存/机器学习诊断最重要？
临床期刊或登记所需要的基本输出是什么？
我们仍处于早期阶段，目前正在与医院合作伙伴进行测试。我们很乐意回答您关于验证、可重复性和数据处理的任何详细问题。
谢谢！
DATAIZE团队（[https://dataize.me](https://dataize.me)）
返回首页
最新
我曾经为自己的文字技巧感到自豪，但现在它却让我和自己都陷入了耻辱或默默无闻的境地。不过，我坚决拒绝故意犯错或使用人性化应用程序。我甚至非常想回到在我的杰作中频繁使用破折号的日子。
今天的幸运数字是一个免费的在线工具，可以为您生成个性化的幸运数字。无论您是想要随机数字用于游戏、决策，还是仅仅为了好玩，我们的幸运数字生成器都能提供即时、可定制的结果。
我经常将CLI发音为“clee”。我的许多同事会笑着重复“cee el eye”。他们并不是不尊重，只是从未听过这种发音。
一些风格指南将CLI视为首字母缩略词，这意味着人们倾向于逐个发音这些字母。
你是怎么发音CLI的？