通过可解释人工智能在癌症类型与数据模态之间无监督识别风险因子

发现隐藏风险模式为何重要

肿瘤科医生知道，即便诊断相同，患者的预后也可能截然不同。有些人对治疗反应良好、存活多年，而有些人在疾病在表面上看似相似时仍然结局不佳。本文介绍了一种新方法，让计算机在常规医疗数据和影像中搜索，揭示共享相似生存可能性的潜在患者群体。将这些发现转化为明确的风险分组，旨在在无需复杂额外检测的情况下，支持更个性化的治疗决策。

引用: Ferle, M., Ader, J., Wiemers, T. et al. Unsupervised risk factor identification across cancer types and data modalities via explainable artificial intelligence. npj Digit. Med. 9, 363 (2026). https://doi.org/10.1038/s41746-026-02663-w

关键词: 癌症风险分层, 生存分析, 医学影像 AI, 多发性骨髓瘤, 肺癌