研究人员开发了TRAPS，一个用于通路引导的癌症治疗反应建模的新基准。该研究评估了三种具有生物学知识的深度学习架构——BINN、GraphPath和PATH——在来自The Cancer Genome Atlas的五个癌症队列中的表现，共计2,622名患者。结果表明，没有单一架构能在所有预测任务中都表现出色，其中PATH在靶向分子治疗方面表现强劲，BINN在生存预测方面表现强劲，而GraphPath在预测前列腺癌靶向分子治疗方面取得了0.92的显著AUROC。 AI
影响 为AI在癌症治疗预测领域的应用建立了一个统一的基准，能够直接比较具有生物学知识的模型。
排序理由 该集群包含一篇学术论文，详细介绍了特定研究领域的新基准和模型评估。
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.09898v1 Announce Type: new Abstract: Cancer treatment planning requires decisions across multiple clinical dimensions at once. Clinicians must determine whether a patient should receive targeted molecular therapy, radiation therapy, and whether they are likely to survi…
Cancer treatment planning requires decisions across multiple clinical dimensions at once. Clinicians must determine whether a patient should receive targeted molecular therapy, radiation therapy, and whether they are likely to survive beyond six months. Existing pathway-informed …