medRxiv 2026年9月16日该研究利用两项三期试验共2918名参与者的统一临床数据，从基线到治疗结束按月训练表格数据模型，对治疗结束（EOT）结局和治愈后复发进行时变预测，发现EOT结局预测在第3个月后改善（ROC-AUC最高0.84，主要由痰涂片和固体培养驱动），而复发预测仅在第3个月内有小幅提升（ROC-AUC 0.58-0.63）随后下降，年龄、性别、临床症状和细菌负荷贡献最大；基于大语言模型嵌入的模型在复发预测上与表格模型相当，在第3和第4个月优于表格EOT模型（ΔROC-AUC 0.12和0.14），纵向建模和稀疏变量纳入仅在4-6个月改善复发预测（ΔROC-AUC 0.09、0.19和0.12）但可解释性降低；纳入该研究利用两项三期试验共2918名参与者的统一临床数据，从基线到治疗结束按月训练表格数据模型，对治疗结束（EOT）结局和治愈后复发进行时变预测，发现EOT结局预测在第3个月后改善（ROC-AUC最高0.84，主要由痰涂片和固体培养驱动），而复发预测仅在第3个月内有小幅提升（ROC-AUC 0.58-0.63）随后下降，年龄、性别、临床症状和细菌负荷贡献最大；基于大语言模型嵌入的模型在复发预测上与表格模型相当，在第3和第4个月优于表格EOT模型（ΔROC-AUC 0.12和0.14），纵向建模和稀疏变量纳入仅在4-6个月改善复发预测（ΔROC-AUC 0.09、0.19和0.12）但可解释性降低；纳入结核病三期试验中治疗结束结局与治愈后复发的时变可预测性该研究利用两项三期试验共2918名参与者的统一临床数据，从基线到治疗结束按月训练表格数据模型，对治疗结束（EOT）结局和治愈后复发进行时变预测，发现EOT结局预测在第3个月后改善（ROC-AUC最高0.84，主要由痰涂片和固体培养驱动），而复发预测仅在第3个月内有小幅提升（ROC-AUC 0.58-0.63）随后下降，年龄、性别、临床症状和细菌负荷贡献最大；基于大语言模型嵌入的模型在复发预测上与表格模型相当，在第3和第4个月优于表格EOT模型（ΔROC-AUC 0.12和0.14），纵向建模和稀疏变量纳入仅在4-6个月改善复发预测（ΔROC-AUC 0.09、0.19和0.12）但可解释性降低；纳入该研究利用两项三期试验共2918名参与者的统一临床数据，从基线到治疗结束按月训练表格数据模型，对治疗结束（EOT）结局和治愈后复发进行时变预测，发现EOT结局预测在第3个月后改善（ROC-AUC最高0.84，主要由痰涂片和固体培养驱动），而复发预测仅在第3个月内有小幅提升（ROC-AUC 0.58-0.63）随后下降，年龄、性别、临床症状和细菌负荷贡献最大；基于大语言模型嵌入的模型在复发预测上与表格模型相当，在第3和第4个月优于表格EOT模型（ΔROC-AUC 0.12和0.14），纵向建模和稀疏变量纳入仅在4-6个月改善复发预测（ΔROC-AUC 0.09、0.19和0.12）但可解释性降低；纳入