斯坦福医学院研发 MUSK AI 模型,精准预测癌症预后和治疗反应

AI 模型 MUSK 的诞生

1 月 15 日消息,来自斯坦福医学院的科研团队研发了一款名为 MUSK 的 AI 模型,该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。预后是指基于病人当前状况,结合疾病的了解及治疗过程,推估治疗后的可能结果。

突破性整合视觉和文本数据

MUSK 模型的亮点在于其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）,能够更全面地理解患者病情。该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。

庞大的训练数据

MUSK 模型通过 5000 万张病理图像和超过 10 亿条医学文本进行训练,可以准确预测 16 种癌症类型的患者生存率和治疗反应。通过分析包括患者人口统计学信息和病史在内的数千个数据点,MUSK 模型能够更准确地确定哪些疗法（例如免疫疗法）对个体患者最有效。

预测准确性的提升

该团队表示,相比传统方法,MUSK 模型在预测生存率方面的准确性提高了 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%。

总结

斯坦福医学院的 MUSK AI 模型通过整合视觉和文本数据,显著提高了癌症预后和治疗反应的预测准确性。这一突破性技术不仅能够更全面地理解患者病情,还能为个体患者提供更精确的治疗方案。随着 AI 技术在医学领域的不断发展,MUSK 模型的应用将为癌症患者带来更多希望和更好的治疗效果。