医学 AI

Explainable histomorphology-based survival prediction of glioblastoma, IDH-wildtype

可解释的基于组织形态学的胶质母细胞瘤、IDH野生型生存预测

Jan-Philipp Redlich, Friedrich Feuerhake, Stefan Nikolin, Nadine Sarah Schaadt, Sarah Teuber-Hanselmann, Joachim Weis, Sabine Luttmann, Andrea Eberle, Christoph Buck, Timm Intemann, Pascal Birnstill, Klaus Kraywinkel, Jonas Ort, Peter Boor, André Homeyer

机构 * Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学研究所） ； Hannover Medical School（汉诺威医学院） ； Institute of Neuropathology, RWTH Aachen University Hospital（亚琛工业大学医院神经病理学研究所） ； Department of Neuropathology, Center for Pathology, Klinikum Bremen-Mitte（不来梅米特医院病理中心神经病理科） ； Bremen Cancer Registry, Leibniz Institute for Prevention Research and Epidemiology - BIPS（不来梅癌症登记处，莱布尼茨预防研究与流行病学研究所 - BIPS） ； Leibniz Institute for Prevention Research and Epidemiology - BIPS（莱布尼茨预防研究与流行病学研究所 - BIPS） ； Fraunhofer Institute of Optronics, System Technologies and Image Exploitation IOSB（弗劳恩霍夫光学、系统技术与图像 exploitation 研究所 IOSB） ； Robert Koch Institute（罗伯特·科赫研究所） ； Department of Neurosurgery, RWTH Aachen University Hospital（亚琛工业大学医院神经外科） ； Institute of Pathology, RWTH Aachen University Hospital（亚琛工业大学医院病理学研究所） ； Institute of Neuropathology, Medical Center - University of Freiburg（弗莱堡大学医学中心神经病理学研究所） ； Center for Integrated Oncology Aachen Bonn Cologne Duesseldorf (CIO ABCD)（亚琛-波恩-科隆-杜塞尔多夫综合肿瘤中心 (CIO ABCD)） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.LG、q-bio、eess.IV

AI总结 本文提出一个可解释的AI框架，通过结合可解释的多实例学习和稀疏自编码器，利用组织形态学特征预测胶质母细胞瘤IDH野生型患者的生存情况，发现了一些显著的生存差异。

Multimodal Machine Learning for Early Prediction of Metastasis in a Swedish Multi-Cancer Cohort

多模态机器学习在瑞典多癌队列中早期预测转移的应用

Franco Rugolon, Korbinian Randl, Braslav Jovanovic, Ioanna Miliou, Panagiotis Papapetrou

机构 * Karolinska University Hospital（卡罗林斯卡大学医院） ； Department of Computer and Systems Sciences, Stockholm University（斯德哥尔摩大学计算机与系统科学系） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.LG、q-bio

AI总结 本文提出利用多模态机器学习在诊断前一个月预测转移风险，通过整合电子健康记录数据，比较单模态与多模态模型的性能，展示中间融合策略在多种癌症中的优越表现。