Nature:斯坦福大學(xué)醫(yī)學(xué)院設(shè)計(jì)的獨(dú)特人工智能可以預(yù)測癌癥預(yù)后和治療反應(yīng)
來自斯坦福醫(yī)學(xué)院的科研團(tuán)隊(duì)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)。
IT之家注:預(yù)后(英語:Prognosis)是一個(gè)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(yàn)結(jié)果、影像學(xué)檢查、病因、病理、病情規(guī)律等,以及治療時(shí)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(diǎn)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?cái)U(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(jì)學(xué)信息和病史在內(nèi)數(shù)千個(gè)數(shù)據(jù)點(diǎn),更準(zhǔn)確地確定哪些療法(例如免疫療法)對個(gè)體患者最有效。
該團(tuán)隊(duì)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(gè)百分點(diǎn),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(xiǎn)的準(zhǔn)確性則提高了12 個(gè)百分點(diǎn),達(dá)到83%。
來自斯坦福醫(yī)學(xué)院的科研團(tuán)隊(duì)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)。