IT之家 1 月 15 日消息，來自斯坦福醫(yī)學院的科研團隊研發(fā)了名為 MUSK 的 AI 模型，結(jié)合醫(yī)學圖像和文本數(shù)據(jù)，可以精準預測癌癥患者的預后和治療反應。
IT之家注：預后（英語：Prognosis）是一個醫(yī)學名詞，是指基于病人當前的狀況，結(jié)合疾病的了解，例如臨床表現(xiàn)、化驗結(jié)果、影像學檢查、病因、病理、病情規(guī)律等，以及治療時機、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)集上進行預訓練，極大地擴展了其學習范圍，使其比傳統(tǒng) AI 模型更具適應性和定制化能力。
該模型通過 5000 萬張病理圖像和超過 10 億條醫(yī)學文本訓練，可以準確預測 16 種癌癥類型的患者生存率和治療反應。
MUSK 模型能夠分析包括患者人口統(tǒng)計學信息和病史在內(nèi)數(shù)千個數(shù)據(jù)點，更準確地確定哪些療法（例如免疫療法）對個體患者最有效。
該團隊表示相比傳統(tǒng)方法，其預測生存率的準確性提高了 11 個百分點，達到 75%；預測免疫治療適用性的準確性從 61% 提升至 77%；預測五年內(nèi)黑色素瘤復發(fā)風險的準確性則提高了 12 個百分點，達到 83%。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。