多模態(tài) AI 助力癌癥治療，更準(zhǔn)確預(yù)測癌癥復(fù)發(fā)概率，生存率等

　　來自斯坦福醫(yī)學(xué)院的科研團(tuán)隊研發(fā)了名為 MUSK 的 AI 模型，結(jié)合醫(yī)學(xué)圖像和文本數(shù)據(jù)，可以精準(zhǔn)預(yù)測癌癥患者的預(yù)后和治療反應(yīng)。

　　注：預(yù)后(英語：Prognosis)是一個醫(yī)學(xué)名詞，是指基于病人當(dāng)前的狀況，結(jié)合疾病的了解，例如臨床表現(xiàn)、化驗結(jié)果、影像學(xué)檢查、病因、病理、病情規(guī)律等，以及治療時機(jī)、方法和過程中出現(xiàn)的新情況，來推估治療后的可能結(jié)果。

　　MUSK 模型的亮點在于，突破性地整合了視覺數(shù)據(jù)(如病理圖像)和文本數(shù)據(jù)(如病歷和臨床記錄)，可以更全面理解患者病情。

　　MUSK 模型在龐大的非配對多模態(tài)數(shù)據(jù)集上進(jìn)行預(yù)訓(xùn)練，極大地擴(kuò)展了其學(xué)習(xí)范圍，使其比傳統(tǒng) AI 模型更具適應(yīng)性和定制化能力。

　　該模型通過5000 萬張病理圖像和超過 10 億條醫(yī)學(xué)文本訓(xùn)練，可以準(zhǔn)確預(yù)測 16 種癌癥類型的患者生存率和治療反應(yīng)。

　　MUSK 模型能夠分析包括患者人口統(tǒng)計學(xué)信息和病史在內(nèi)數(shù)千個數(shù)據(jù)點，更準(zhǔn)確地確定哪些療法(例如免疫療法)對個體患者最有效。

　　該團(tuán)隊表示相比傳統(tǒng)方法，其預(yù)測生存率的準(zhǔn)確性提高了 11 個百分點，達(dá)到 75%;預(yù)測免疫治療適用性的準(zhǔn)確性從 61% 提升至 77%;預(yù)測五年內(nèi)黑色素瘤復(fù)發(fā)風(fēng)險的準(zhǔn)確性則提高了 12 個百分點，達(dá)到 83%。