共计 672 个字符，预计需要花费 2 分钟才能阅读完成。
近日，一项名为 MICE（通过协作专家进行多模态数据整合）的跨癌症 AI 模型在医疗领域取得重大突破。该模型通过整合病理图像、基因组学和临床数据，在 30 种癌症类型中展现出卓越的通用性和效率，为精准数据驱动的癌症护理开辟了新途径。
研究团队基于 11,799 名患者的数据对 MICE 模型进行训练和验证。与传统的 AI 系统不同，MICE 采用多个功能各异的“专家”模块，有效提取癌症特异性和共享的生物学见解。通过结合对比学习和监督学习，该模型显著提升了识别跨癌症预后模式的能力。
- 
- 
- 
- 
- 
- 
MICE 在单模态和现有多模态模型中均表现优异。在内部队列中，其一致性指数（C-index）提高了 3.8% 至 11.2%；在独立验证集中，这一指标提升了 5.8% 至 8.8%。这些改进充分证明了该模型在预测多样化癌症患者生存结果方面的强大能力。
值得一提的是，MICE 在数据效率方面表现尤为突出。即使在数据集有限的情况下，该模型仍能保持强劲的预测性能，显示出其在不同临床环境中的广泛适用性。这一特性对于数据稀缺的罕见癌症研究尤为重要，有望突破传统模型训练的瓶颈。
MICE 模型通过有效整合多模态数据，代表了 AI 辅助临床医生评估预后和制定治疗策略的范式转变。其卓越的可扩展性使其成为支持精准肿瘤学、优化临床工作流程和改善患者预后的有力工具。未来研究可能会进一步探索该模型与临床决策支持系统的整合，以及其在治疗个性化中的应用潜力。
参考文献：Zhou H 等。一种多模态基础模型，用于增强跨癌症预后预测的通用性和数据效率。arXiv 预印本。2025。DOI：10.48550/arXiv.2509.12600
