可解释的多模式融合模型用于桥接组织学和基因组学在泛癌症中的生存预测
Feng Gao1,2,3,4, Junxiang Ding5,6, Baowen Gai1,2,3
1Department of General Surgery (Department of Colorectal Surgery), The Sixth Affiliated Hospital, Sun Yat-sen University, Guangzhou, 510655, China.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|March 7, 2025
概括
这项研究介绍了一种可解释的AI模型,将基因病理学,基因组学和转录学融合在一起,以准确预测癌症. 该模型即使缺少患者数据也表现良好,有助于临床决策.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 准确的癌症预后对于有效的临床诊断和治疗计划至关重要.
- 多式人工智能 (AI) 融合模型增强瘤异质性分析,以改善预后预测.
- 人工智能模型的临床实用性受到不完整的多式联络患者数据的限制.
研究的目的:
- 开发一种可解释的跨桥式多式融合模型,结合了他的病理学,基因组学和转录组学.
- 为了提高癌症患者预后的准确性,特别是当缺少分子数据时.
- 创建一个临床适用的AI模型用于癌症预后.
主要方法:
- 开发了一种可解释的多式联通融合模型.
- 整合了他的病理学,基因组学和转录组学数据.
- 对12种癌症类型的模型进行了验证,其中包括完整的和缺失的数据模式.
主要成果:
- 该模型在12种癌症类型中实现了最佳的预测性能.
- 在完整和缺失数据场景中都表现出高准确度.
- 展示了该模型对具有不完整分子特征的患者的实用性.
结论:
- 开发的AI模型提供了精确的癌症预后预测,即使缺少数据.
- 突出了在瘤学中临床适用的多式联接融合模型的潜力.
- 旨在减少医疗保健负担,并加强癌症患者的临床决策.
