Nature：斯坦福大学医学院设计的独特人工智能可以预测癌症预后和治疗反应
来自斯坦福医学院的科研团队研发了名为 MUSK 的 AI 模型，结合医学图像和文本数据，可以精准预测癌症患者的预后和治疗反应。
IT之家注：预后（英语：Prognosis）是一个医学名词，是指基于病人当前的状况，结合疾病的了解，例如临床表现、化验结果、影像学检查、病因、病理、病情规律等，以及治疗时机、方法和过程中出现的新情况，来推估治疗后的可能结果。
MUSK 模型的亮点在于，突破性地整合了视觉数据（如病理图像）和文本数据（如病历和临床记录），可以更全面理解患者病情。
MUSK 模型在庞大的非配对多模态数据集上进行预训练，极大地扩展了其学习范围，使其比传统AI模型更具适应性和定制化能力。
该模型通过 5000万张病理图像和超过10亿条医学文本训练，可以准确预测16种癌症类型的患者生存率和治疗反应。
MUSK模型能够分析包括患者人口统计学信息和病史在内数千个数据点，更准确地确定哪些疗法（例如免疫疗法）对个体患者最有效。
该团队表示相比传统方法，其预测生存率的准确性提高了11个百分点，达到75%；预测免疫治疗适用性的准确性从61%提升至77%；预测五年内黑色素瘤复发风险的准确性则提高了12 个百分点，达到83%。
来自斯坦福医学院的科研团队研发了名为 MUSK 的 AI 模型，结合医学图像和文本数据，可以精准预测癌症患者的预后和治疗反应。
感谢来自斯坦福医学院的科研团队研发了名为 MUSK 的 AI 模型，
结合医学图像和文本数据，可以精准预测癌症患者的预后和治疗反应。AI在线注：预后（英语：Prognosis）是一个医学名词，是指基于病人当前的状况，结合疾病的了解，例如临床表现、化验结果、影像学检查、病因、病理、病情规律等，以及治疗时机、方法和过程中出现的新情况，来推估治疗后的可能结果。
MUSK 模型的亮点在于，突破性地整合了视觉数据（如病理图像）和文本数据（如病历和临床记录），可以更全面理解患者病情。
MUSK 模型在庞大的非配对多模态数据集上进行预训练，极大地扩展了其学习范围，使其比传统 AI 模型更具适应性和定制化能力。
该模型通过 5000 万张病理图像和超过 10 亿条医学文本训练，可以准确预测 16 种癌症类型的患者生存率和治疗反应。
MUSK 模型能够分析包括患者人口统计学信息和病史在内数千个数据点，更准确地确定哪些疗法（例如免疫疗法）对个体患者最有效。
该团队表示相比传统方法，其预测生存率的准确性提高了 11 个百分点，达到 75%；预测免疫治疗适用性的准确性从 61% 提升至 77%；预测五年内黑色素瘤复发风险的准确性则提高了 12 个百分点，达到 83%。
