本報電（申奇）近期，由斯坦福大學(xué)醫(yī)學(xué)院癌癥研究所主導(dǎo)、中國學(xué)者領(lǐng)銜進(jìn)行的一項(xiàng)研究發(fā)表于《自然》期刊。該研究團(tuán)隊(duì)開發(fā)出一款名為MUSK的人工智能（AI）模型，突破性地實(shí)現(xiàn)了醫(yī)學(xué)病理圖像數(shù)據(jù)與病歷文本信息的深度整合分析，在癌癥預(yù)后及預(yù)測治療反應(yīng)方面展現(xiàn)出顯著的臨床應(yīng)用潛力。

　　傳統(tǒng)癌癥診療中，醫(yī)生需綜合分析病理切片、CT/MRI影像、檢驗(yàn)報告及病程記錄等多源數(shù)據(jù)，但現(xiàn)有AI工具多局限于單一模態(tài)分析。研究團(tuán)隊(duì)歷時數(shù)年構(gòu)建的MUSK模型，首次實(shí)現(xiàn)醫(yī)學(xué)影像（含5000萬張病理圖片）與臨床文本（超100萬份病理記錄）的深度融合學(xué)習(xí)，在癌癥預(yù)后、免疫治療反應(yīng)預(yù)測及復(fù)發(fā)風(fēng)險評估等關(guān)鍵領(lǐng)域展現(xiàn)顯著優(yōu)勢。

　　“臨床決策本質(zhì)是多源信息的協(xié)同判斷?！痹撗芯控?fù)責(zé)人、放射腫瘤學(xué)副教授李瑞江介紹，MUSK模擬了人類醫(yī)生的認(rèn)知模式，通過整合影像特征、病理描述、治療記錄等多維度信息，構(gòu)建出更立體的患者畫像。這項(xiàng)研究標(biāo)志著醫(yī)療AI從輔助診斷向預(yù)后指導(dǎo)的關(guān)鍵跨越，有望重塑個性化癌癥治療范式。

　　作為該研究的共同第一作者，斯坦福大學(xué)博士后項(xiàng)進(jìn)喜與王熙月在技術(shù)突破中發(fā)揮了關(guān)鍵作用。項(xiàng)進(jìn)喜畢業(yè)于清華大學(xué)，專攻AI與計(jì)算機(jī)視覺；王熙月畢業(yè)于四川大學(xué)，深耕AI驅(qū)動精準(zhǔn)醫(yī)療。他們介紹，盡管AI在醫(yī)療領(lǐng)域應(yīng)用日增，但多數(shù)工具仍停留在病灶檢測層面。MUSK的突破性在于其預(yù)后評估能力——不僅能判斷腫瘤良惡性，更能預(yù)測患者對不同療法的反應(yīng)及生存預(yù)期。研究團(tuán)隊(duì)透露，下一步，將推進(jìn)MUSK在真實(shí)臨床場景中的驗(yàn)證，并探索其在罕見病診療中的應(yīng)用潛力。

分享讓更多人看到