本報電（申奇）近期，由斯坦福大學醫學院癌症研究所主導、中國學者領銜進行的一項研究發表於《自然》期刊。該研究團隊開發出一款名為MUSK的人工智能（AI）模型，突破性地實現了醫學病理圖像數據與病歷文本信息的深度整合分析，在癌症預后及預測治療反應方面展現出顯著的臨床應用潛力。

　　傳統癌症診療中，醫生需綜合分析病理切片、CT/MRI影像、檢驗報告及病程記錄等多源數據，但現有AI工具多局限於單一模態分析。研究團隊歷時數年構建的MUSK模型，首次實現醫學影像（含5000萬張病理圖片）與臨床文本（超100萬份病理記錄）的深度融合學習，在癌症預后、免疫治療反應預測及復發風險評估等關鍵領域展現顯著優勢。

　　“臨床決策本質是多源信息的協同判斷。”該研究負責人、放射腫瘤學副教授李瑞江介紹，MUSK模擬了人類醫生的認知模式，通過整合影像特征、病理描述、治療記錄等多維度信息，構建出更立體的患者畫像。這項研究標志著醫療AI從輔助診斷向預后指導的關鍵跨越，有望重塑個性化癌症治療范式。

　　作為該研究的共同第一作者，斯坦福大學博士后項進喜與王熙月在技術突破中發揮了關鍵作用。項進喜畢業於清華大學，專攻AI與計算機視覺﹔王熙月畢業於四川大學，深耕AI驅動精准醫療。他們介紹，盡管AI在醫療領域應用日增，但多數工具仍停留在病灶檢測層面。MUSK的突破性在於其預后評估能力——不僅能判斷腫瘤良惡性，更能預測患者對不同療法的反應及生存預期。研究團隊透露，下一步，將推進MUSK在真實臨床場景中的驗証，並探索其在罕見病診療中的應用潛力。

分享讓更多人看到