基金会模型驱动的多式预后预测在接受高度血清性卵巢癌初级手术的患者
Qiu Bi1,2, Conghui Ai3, Linhao Qu4
1Department of Radiology, Jinshan Hospital, Fudan University, Shanghai, China.
NPJ precision oncology
|April 20, 2025
概括
一个新的基础模型驱动的多式模式 (FoMu模型) 准确地预测了使用临床,MRI和病理学数据的高度血清性卵巢癌 (HGSOC) 患者的预后. 这种方法提高了个性化HGSOC管理的生存预测.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 高度血清性卵巢癌 (HGSOC) 的预后预测仍然具有挑战性.
- 准确的预后对于有效的患者管理和治疗计划至关重要.
研究的目的:
- 开发和验证用于HGSOC患者预后评估的通用基础模型驱动的多式模式 (FoMu模型).
- 整合临床,MRI和H&E染色全幻灯片图像 (WSI) 数据,以提高预测准确度.
主要方法:
- 在四个中心对712名HGSOC患者进行了回顾性队列研究.
- 使用预先训练的放射学和病理学基础模型进行特征提取.
- 采用单模和跨模适应性聚合网络,用于多模特征集成.
主要成果:
- 单模和跨模FoMu模型都表现出优越和稳定的预测性能.
- 这些模型准确地预测了整体生存期 (OS) 和无进展生存期 (PFS).
结论:
- 开发的FoMu模型有效地整合了用于HGSOC预后的多式联络数据.
- 这种多模式的方法显示出改善HGSOC个性化患者管理和临床决策的巨大潜力.
