AI模型利用多模态数据预测GISTs中伊马替尼的反应

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 →

• BRAF
• computed tomography
• Fariba Tohidinezhad
• gastrointestinal stromal tumor
• imatinib
• KIT proto-oncogene, receptor tyrosine kinase
• platelet-derived growth factor receptor alpha
• SMAC3

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →