Core Concepts
異なるモダリティから情報を抽出し、統合することで、NSCLC患者の生存予測を向上させる。
Abstract
がんの予後と生存率予測は治療反応推定や患者を異なる治療グループに分類するために重要である。多くのモダリティを含む医学領域では、病理画像データやゲノム情報など非画像データが豊富である。本研究では、非小細胞肺がん(NSCLC)患者の生存予測において、クロスモダリティアテンションベースのマルチモーダル融合パイプラインを提案している。この手法は、単一モダリティよりも優れたc-index 0.6587を達成し、さまざまなモダリティから知識を統合する能力を示している。
Stats
単一モダリティでは、組織画像データだけまたはRNA-seqデータだけを使用した場合、それぞれc-indexは0.5772および0.5885であった。
提案された融合手法は実験でc-index 0.6587を達成しました。
Quotes
"提案された融合手法は実験でc-index 0.6587を達成しました。"
"多くの融合設計が単一モダリティ学習よりも優れた性能を発揮しました。"
"CM-MMF↑:NSCLCにおける生存予測において優れた性能を発揮した提案された設計です。"