本报电（申奇）近期，由斯坦福大学医学院癌症研究所主导、中国学者领衔进行的一项研究发表于《自然》期刊。该研究团队开发出一款名为MUSK的人工智能（AI）模型，突破性地实现了医学病理图像数据与病历文本信息的深度整合分析，在癌症预后及预测治疗反应方面展现出显著的临床应用潜力。

　　传统癌症诊疗中，医生需综合分析病理切片、CT/MRI影像、检验报告及病程记录等多源数据，但现有AI工具多局限于单一模态分析。研究团队历时数年构建的MUSK模型，首次实现医学影像（含5000万张病理图片）与临床文本（超100万份病理记录）的深度融合学习，在癌症预后、免疫治疗反应预测及复发风险评估等关键领域展现显著优势。

　　“临床决策本质是多源信息的协同判断。”该研究负责人、放射肿瘤学副教授李瑞江介绍，MUSK模拟了人类医生的认知模式，通过整合影像特征、病理描述、治疗记录等多维度信息，构建出更立体的患者画像。这项研究标志着医疗AI从辅助诊断向预后指导的关键跨越，有望重塑个性化癌症治疗范式。

　　作为该研究的共同第一作者，斯坦福大学博士后项进喜与王熙月在技术突破中发挥了关键作用。项进喜毕业于清华大学，专攻AI与计算机视觉；王熙月毕业于四川大学，深耕AI驱动精准医疗。他们介绍，尽管AI在医疗领域应用日增，但多数工具仍停留在病灶检测层面。MUSK的突破性在于其预后评估能力——不仅能判断肿瘤良恶性，更能预测患者对不同疗法的反应及生存预期。研究团队透露，下一步，将推进MUSK在真实临床场景中的验证，并探索其在罕见病诊疗中的应用潜力。

分享让更多人看到