Foundation 模型驱动的多模态预后预测高级别浆液性卵巢癌初次手术患者

高级别浆液性卵巢癌 （HGSOC） 在预后预测方面存在挑战。本研究旨在开发一种通用基础模型驱动的多模态模型 （FoMu model） 来评估 HGSOC 患者的预后。我们进行了一项回顾性队列研究，涉及四个中心的 712 名符合条件的患者，收集临床、MRI 以及苏木精和伊红 （H&E） 染色的全玻片图像 （WSI） 数据。采用预先训练的放射学和病理学基础模型进行特征预编码。随后，我们引入了单模态和跨模态自适应聚合网络，以全面模拟从每种模态派生的特征。我们的研究结果表明，单峰和跨峰 FoMu 模型对总生存期 （OS） 和无进展生存期 （PFS） 均表现出卓越和稳定的预测能力。综上所述，我们的研究成功开发了一种 FoMu 模型，该模型有效地整合了多模态数据来评估 HGSOC 患者的预后，突出了其在未来应用中改善个体化患者管理和临床决策的潜力。

服务对象 ： 上海复旦大学
发表时间： 2025 年 4 月 20 日
发表期刊： npj precision oncology
文章链接： https://www.nature.com/articles/s41698-025-00900-1