KMGen：基于技能的合成个体患者数据生成方法

arXiv AI 发布论文介绍 KMGen，这是首个端到端框架，能全自动提取 Kaplan-Meier 曲线，并在 32 图基准上达到平均 IAE 0.0151，与人工辅助工具精度相当。同时，它能从临床试验注册记录生成合成个体患者数据，包括不良事件轨迹。在三项肿瘤试验中，KMGen 通过临床原型和引导秩相关耦合等机制，生成了跨规模队列的合成数据。

此前合成 IPD 仅解决 KM 曲线重建，且需人工操作；KMGen 首次实现全自动曲线提取，并新增不良事件流生成，补齐患者记录的另一半，提升生存分析、荟萃分析和安全性研究的可用性。

KMGen 使用代理自动生成代码提取 KM 曲线步骤；在 IPD 生成阶段，LLM 将试验记录提炼为组别统计等，再通过临床原型采样、与经验 KM 曲线的引导秩相关耦合（精确保留边际生存分布），以及诱导/维持分裂的周期不良事件调度生成事件。

对药物研发和临床研究工具类产品，可降低人工数字化成本，加速生存模型和荟萃分析数据准备。但证据未提及商业应用或具体性能，影响程度待验证。

• 开发自动化 KM 曲线提取与 IPD 生成工具，集成到研究平台，减少人工干预。
• 为肿瘤临床试验设计提供不良事件轨迹模拟，优化方案设计。
• 开放 API 供科研用户生成合成患者数据，支持模型验证。
• 与其他生存分析软件集成，提供数据生成插件。

• KMGen 在不同疾病领域和真实数据源中的泛化性如何？
• 生成的不良事件数据在医学上是否有效？
• 相比已有工具，KMGen 的自动化准确性是否有统计显著优势？
• 是否有开源代码或商业许可？