STRIDE-II

AI框架融合组织学和临床数据以预测炎症性肠病缓解

研究人员开发了一个用于多模态AI融合的模块化框架，结合全切片组织学图像和临床数据来预测炎症性肠病（IBD）的预后。该框架允许对15种不同的融合方法进行可互换测试。在一个新诊断的IBD患者前瞻性队列中，表现最佳的融合方法获得了0.57-0.75的宏观F1分数，在六种场景中的四种优于单一模态模型，并且根据缓解类型，其对图像数据的依赖程度有所不同。