CHIMERA 挑战赛旨在利用多模态数据集提高高风险非肌层浸润性膀胱癌（HR-NMIBC）的预测能力。BRS 任务侧重于从组织病理学和临床病理学数据中对 BCG 反应亚型进行分类，而 Progression 任务则利用组织病理学、结构化数据和 RNA 测序来模拟进展时间。该挑战涉及 368 名患者，收到了 159 份提交，其中最佳模型在 BRS 任务上达到了 0.73 的加权 F1 分数，在 Progression 任务上达到了 0.68 的 C 指数。挑战后分析表明，组织病理学可以部分弥补 BRS 任务中缺失的结构化数据，并且进展模型受益于互补输入。研究还确定了患者级别的预测困难，特别是与 T1 亚期相关的困难，并强调了对缺失感知建模和多机构验证的需求。 AI
影响 为人工智能在膀胱癌预测领域的应用树立了基准，突出了不同模态的贡献和模型改进的领域。
排序理由 该条目描述了一项研究挑战及其在特定医疗条件下使用多模态数据集的基准结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
