【4032】沈琳&董彬教授团队最新研究成果：多模态AI分析技术助力HER2阳性胃癌患者治疗响应精准预...

主要观点总结

北京大学肿瘤医院消化内科的沈琳教授团队与董彬教授团队在《Signal Transduction and Targeted Therapy》杂志上发表了一篇研究文章，介绍了他们开发的多模态肿瘤治疗响应预测模型MuMo。该模型能够整合多中心数据队列中的多模态信息，有效预测HER2阳性胃癌患者对抗HER2治疗或联合免疫治疗的响应。这项研究展示了多模态分析技术在临床决策中的重要作用，能为患者提供更精确的治疗方案。

关键观点总结

关键观点1: 研究背景及目的

胃癌治疗中针对HER2阳性患者的抗HER2治疗响应存在个体差异，为临床决策带来挑战。研究旨在开发一种能够综合多模态临床数据的AI模型，以全面分析和精确预测患者对治疗的响应，为个性化治疗策略提供科学依据。

关键观点2: 研究方法和模型

沈琳教授团队与董彬教授团队共同收集了大样本HER2阳性胃癌患者的多中心数据集，涵盖了临床信息、影像学图像、影像结构化报告、病理学图像及病理结构化报告。基于此数据集，研究团队开发了一种新型的由AI驱动的多模态癌症治疗响应预测模型MuMo。

关键观点3: 模型性能与结果

MuMo模型在预测HER2阳性胃癌患者对抗HER2治疗方案及联合免疫治疗的响应方面取得了显著成绩，AUC值分别为0.821和0.914。这些成绩优于单一医生的预测结果，且与六位医生的会诊结果相当。此外，MuMo模型能够稳定且一致地提供预测结果，揭示出其与现有临床知识之间的高度一致性。

关键观点4: 模型的潜在价值和意义

MuMo模型的潜力在于其能够整合多模态数据，提高治疗响应预测的准确性和实现个性化治疗。这种分析方法在未来有望在更广泛的癌症治疗领域得到应用，为患者带来更精准的治疗选择和改善生存预期。