Sig. Transduct. Target. Ther. | 多模态深度学习模型在胃癌抗HER2及联合治疗反应预测中的应用

文章预览

2024年8月26日，来自Xiaotian Zhang、Bin Dong和Lin Shen研究团队的Zifan Chen、Yang Chen和Yu Sun等人在 Signal Transduction and Targeted Therapy 期刊上发表了一篇题为“ Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data ”的研究文章。 该文章探讨了利用多模态数据来预测患者对抗HER2治疗或抗HER2联合免疫治疗的反应 。研究团队开发了一种名为 Multi-Modal model (MuMo)的深度学习模型，能够整合多种数据类型，以高精度预测治疗反应，并揭示了低风险患者在无进展生存期和总体生存期方面的显著延长 。这一研究不仅展示了多模态数据分析在个性化医学中的潜力，也为HER2阳性胃癌的治疗提供了新的视角。 关键字 Transformer模型 | 模态融合 | 对比学习 引言 胃癌是全球范围内发病率较高且致死率较高的恶性肿瘤，尤其是在东亚地区，HER2阳性胃 ………………………………