大腸がんにおける不完全なモダリティを有する予後予測のための基盤モデル搭載マルチモーダル深層学習：多施設共同後ろ向き研究

科学分野:

• 腫瘍学
• 人工知能
• 医用画像

背景:

• 正確な大腸がんの予後は、個別化治療と患者転帰の改善にとって重要です。
• 現在の方法は、マルチモーダルデータの統合と欠損データに苦労しています。
• がん予後予測の強化には、高度なAIツールの必要性が存在します。

研究 の 目的:

• 大腸がんの予後予測のための新しいマルチモーダル深層学習フレームワークであるFLAREを導入すること。
• リスク評価のために病理画像、放射線画像、および臨床テキストレポートを活用すること。
• 欠損データモダリティによるパフォーマンスの問題に対処し、軽減すること。

主な方法:

• FLAREは、効率的な特徴抽出のために基盤モデルを利用しています。
• 注意機構に基づくマルチブランチフレームワークは、モダリティ間の相乗効果と独自性を高めます。
• モダリティおよび欠損を考慮したプロンプト、疑似埋め込み、および拡張戦略は、不完全なデータを処理します。

主要な成果:

• FLAREは1679人の患者コホートにおいて優れた予後予測能力を示しました。
• 既存のモデルを上回る最高の一致指数を達成しました。
• このフレームワークは、堅牢な一般化可能性により、患者をハイリスク群とローリスク群に効果的に層別化しました。

結論:

• FLAREは、医療予後予測におけるマルチモーダル深層学習のための堅牢なフレームワークを提供します。
• 精密がん予後予測とインテリジェント診断のための高度なAIツールを提供します。
• このフレームワークは、大腸がん治療戦略の最適化に大きな可能性を示しています。