用于贝伐单抗治疗转移性结直肠癌预后风险分析的机器学习驱动多模态数据融合方法流程

这项研究为何重要

对于晚期结肠直肠癌患者来说，一个最迫切的问题是这种昂贵而强效的药物是否真的对他们有帮助。本研究探讨如何将患者肿瘤 DNA 中的模式与临床信息结合，利用现代机器学习来预测谁更可能从常用靶向治疗贝伐单抗中获益、谁则不会。未来，这类工具有望让部分患者免于无效治疗及其副作用，同时将其他患者引导至更有前景的治疗方案。

引用: Thomas, V., Nyamundanda, G., Lärkeryd, A. et al. A pipeline of machine learning-driven multi-modal data fusion methods for prognostic risk analysis in bevacizumab-treated metastatic colorectal cancer. Sci Rep 16, 8843 (2026). https://doi.org/10.1038/s41598-026-39189-w

关键词: 转移性结直肠癌, 贝伐单抗耐药性, 机器学习, 基因组生物标志物, 精准肿瘤学