面向心力结局预测的可组合多模态框架 基于 cine CMR 文本
机器学习
2026-05-29 v3 人工智能
计算机视觉与模式识别
摘要
目标。心力是全球死亡原因的前列之一，每年有数百万例死亡，根据世界卫生组织 (WHO) 和其他公共卫生机构的数据。尽管在心力领域取得了显著进展，导致存活率提高和射血功能改善，但仍存在显著的未满足需求，这是由于其复杂性和多因素特征。本研究旨在提出并评估一种可组合的策略框架，用于心力的评估和治疗优化，旨在为更全面的患者评估和管理提供支持。方法。该框架利用多模态算法分析一系列患者数据，显式集成 cine 心脏磁共振 (cine CMR) 序列、结构化临床指标（如实验室结果、人口学特征）以及非结构化文本记录（如病史、处方）。通过整合这些数据源，我们的框架为患者提供更全面的评估和优化的治疗方案。主要结果。多模态框架在心力预后预测方面的准确率优于单模态 AI 算法。此外，它还能详细评估各种病理指标对心力结局的影响。意义。通过系统性地整合异构临床数据，该方法支持更全面的预后评估，并促进了心力患者的优化、个人化治疗计划的制定。
引用
@article{arxiv.2502.16548,
title = {A Composable Multimodal Framework for cine CMR-Text-Driven Prediction of Heart Failure Outcomes},
author = {Jianzhou Chen and Jinyang Sun and Xiumei Wang and Xi Chen and Heyu Chu and Guo Song and Yuji Luo and Xingping Zhou and Rong Gu},
journal= {arXiv preprint arXiv:2502.16548},
year = {2026}
}