因果多模态AI预测个体化化疗敏感性
原文标题：Causal multi-modal AI for personalized chemosensitivity prediction
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出因果多模态 AI 模型，利用常规采集的病理与临床信息预测个体化化疗敏感性。模型在 9141 名患者的多国数据集上开发，并在 1994 名患者上评估，生成治疗特异性复发概率，校准近乎完美且预后区分度强，优于现有复发评分测试。相比标准诊疗，用该模型辅助个体化治疗决策可在保持相同无复发生存率的同时减少 30% 接受化疗的患者，并可零样本迁移至非乳腺癌。
- 问题
- 医生无法可靠预测哪些乳腺癌患者能从化疗获益，导致过度用药。
- 方法
- 用常规病理与临床数据训练因果多模态模型，输出治疗特异性复发概率而非复发评分代理。
- 结果
- 9141 人开发、1994 人评估，校准近乎完美；同等无复发生存下减少 30% 化疗人数。
- 影响
- 若落地可把化疗决策从群体评分转向个体因果预测，直接减少无效治疗与副作用。
深读 · 结论先行AI 生成展开看要点与影响 ↓
因果多模态AI预测化疗敏感性，可减少30%化疗患者且疗效不变
- •模型在9141名患者（12队列9国）开发，1994名患者（5队列3国）评估
- •生成治疗特异性复发概率，校准近乎完美，5年与10年随访区分度均强
- •优于现有基于复发评分的检测
- •辅助个体化决策可减少30%接受化疗患者，同时保持相同无复发生存率
- •预测能力可零样本迁移至非乳腺癌
为什么重要：若临床验证成立，将直接冲击以复发评分代理化疗获益的现行指南，减少过度治疗。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。