使用基于AI的图像分类来预测乳腺癌治疗反应和预后
Bingyi Wang1, Shu Chen2, Wei Li3
1Department of Radiation Oncology,Clinical Oncology School of Fujian Medical University, Fujian Cancer Hospital, NHC Key Laboratory of Cancer Metabolism, Fuzhou, China.
Frontiers in oncology
|November 6, 2025
概括
这项研究引入了一种新的AI框架,用于预测乳腺癌治疗反应. 动态感知深度学习模型通过捕捉时间患者数据复杂性来改进个性化医疗.
科学领域:
- 在瘤学瘤学.
- 医疗保健中的人工智能
- 计算生物学 计算生物学
背景情况:
- 准确的乳腺癌预后和治疗反应预测对于个性化医学至关重要.
- 现有的AI模型与纵向患者数据的时间复杂性和异质性作斗争.
- 在人工智能支持的医疗保健中,需要强大的,可解释的AI模型.
研究的目的:
- 提出一种用于建模患者特定治疗轨迹的新框架.
- 解决预测治疗反应的挑战,包括可变反应和缺失数据.
- 通过先进的计算预后来增强精度治疗.
主要方法:
- 开发了一个动态意识的,深度序列学习架构.
- 综合循环建模,注意力机制和不确定性量化.
- 嵌入域信息规范化和解释性因果推理.
主要成果:
- 拟议的模型通过学习个性化的时间动态来提高预测性能.
- 在现实世界乳腺癌队列上,在现有基线上表现出优异的表现.
- 为适应性治疗规划和风险分层提供了可操作的见解.
结论:
- 新的框架有效地模拟了患者特定的治疗轨迹.
- 该方法为乳腺癌护理提供了更好的解释性和临床相关性.
- 这项工作推动了人工智能驱动的个性化医学和治疗决策.


