PulseAugur
中
实时 09:26:10
English(EN) Cross-Attention Multimodal Learning for Predicting Response to Neoadjuvant Imatinib in Gastrointestinal Stromal Tumors: A Multicenter Retrospective Study

AI模型利用多模态数据预测GISTs中伊马替尼的反应

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个多模态深度学习框架，该框架整合了计算机断层扫描（CT）影像和临床变量，以预测胃肠道间质瘤（GISTs）患者对新辅助伊马替尼治疗的反应。这项涉及四家三级中心患者的研究发现，虽然交叉注意力模型取得了较高的内部性能，但外部预测准确性中等。可解释性分析突出了响应者和非响应者之间特征重要性的显著差异，包括KIT和PDGFRA等基因突变，以及年龄和性别等临床因素。 AI

影响 这项研究展示了AI在通过预测治疗反应来改善个性化医疗方面的潜力，这可能导致更有效的患者护理策略。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一个用于医学预测的新AI模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

AI模型利用多模态数据预测GISTs中伊马替尼的反应

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Fariba Tohidinezhad, Douwe J. Spaanderman, Natalia Oviedo Acosta, Kaouther Mouheb, Karthik Prathaban, David F. Hanff, Dirk J. Gr\"unhagen, Cornelis Verhoef, Joris M. van Sabben, Evelyne Roets, Jette J. Slettenhaar, Hans Gelderblom, Ingrid M. E. Desar, An… ·

    Cross-Attention Multimodal Learning for Predicting Response to Neoadjuvant Imatinib in Gastrointestinal Stromal Tumors: A Multicenter Retrospective Study

    arXiv:2606.25579v1 Announce Type: cross Abstract: Background: Response to neoadjuvant imatinib in gastrointestinal stromal tumors (GISTs) is highly variable and cannot be reliably predicted using current clinical or molecular markers. This study developed and evaluated an explain…

  2. arXiv cs.CV TIER_1 English(EN) · Martijn P. A. Starmans ·

    Cross-Attention Multimodal Learning for Predicting Response to Neoadjuvant Imatinib in Gastrointestinal Stromal Tumors: A Multicenter Retrospective Study

    Background: Response to neoadjuvant imatinib in gastrointestinal stromal tumors (GISTs) is highly variable and cannot be reliably predicted using current clinical or molecular markers. This study developed and evaluated an explainable multimodal deep learning framework integratin…

相关实体

相关话题