斯坦福医学院最新开发出一种能够整合视觉和语言信息的人工智能模型“MUSK”，它是基于5000万张标准病理切片医学图像和超过10亿篇病理相关文本进行训练后的模型，能对癌症患者的预后和治疗阶段提供准确度较高的预测。该研究报告发表在日前出版的《自然》杂志上。
近年来，尽管人工智能工具在临床上的应用越来越多，但主要是用于病情诊断，而不是预后阶段。MUSK是一种改变游戏规则的AI模型，研究人员认为它将彻底改变人工智能指导患者护理的方式。斯坦福医学院放射肿瘤学副教授李瑞江（音译）博士称，MUSK模型可以准确预测多种癌症类型，以及患者预后状况。医生在临床实践中从不依赖单一类型的数据进行临床决策，设计该模型是希望利用多种类型数据来帮助医生获得更多见解，并更准确地预测患者的治疗效果。
研究人员收集了乳腺癌、肺癌、结直肠癌、胰腺癌、肾癌、膀胱癌、头颈癌等16种主要癌症患者的组织切片显微镜载玻片，以及相关病理报告、随访数据和病情进展。他们利用这些信息训练MUSK预测疾病特异性生存率，即在特定时间段未死于特定疾病的人数百分比。结果显示，对于所有类型的癌症，MUSK预测患者疾病特异性生存率的准确度高达75%，相比之下，基于患者癌症不同时期和其他临床风险因素的标准预测正确率为64%。此外，研究人员还训练MUSK模型预测哪些患有肺癌、胃癌或食道癌的患者最有可能从免疫疗法中受益。
