BioFact-MoE：面向肝细胞癌视觉-语言预后建模的生物因子化混合专家
计算机视觉与模式识别
2026-05-27 v1 人工智能
机器学习
摘要
肝细胞癌 (HCC) 具有生物学异质性，其生存结果受肝脏功能储备与肿瘤相关致病因素相互作用的影响；因此，相似的生存结果可能反映根本不同的生物学过程。肝细胞癌的预后模型受到多模态信息的启发，包括多参数 MRI 和临床实践中来自放射科报告的丰富信息。现有的肝细胞癌视觉-语言模型 (VLM) 学习单一纠缦的潜在表征，将肝脏与肿瘤相关因素融合，限制了准确率和生物学可解释性。我们提出 BioFact-MoE，一种基于生物监督专家的生物因子化 Mixture of Experts (MoE) 框架，通过显式分解肝脏与肿瘤因素。该框架在 N=588 例 HCC 队列上实现了持续的生存预测改进，12、18、24 个月 AUC 分别达到 75.33%、75.85%、73.96%。除了单一风险预测外，gated expert weights 使我们能够实现基于表型的风险分层。基于通路的 gating 揭示了临床上有意义的治疗相关生存异质性。在 held-out 验证中，肝脏与肿瘤嵌入分别显示与肝功能和肿瘤负荷标记的选择性关联（p<0.05），且无需监督。代码已公开于 https://github.com/jy-639/BioFact-MoE。
引用
@article{arxiv.2605.26376,
title = {BioFact-MoE: Biologically Factorized Mixture of Experts for Vision-Language Prognostic Modeling in Hepatocellular Carcinoma},
author = {Junlin Yang and Tian Yu and Nicha C. Dvornek and Yuexi Du and Peiyu Duan and Annabella Shewarega and Lawrence H. Staib and James S. Duncan and Julius Chapiro},
journal= {arXiv preprint arXiv:2605.26376},
year = {2026}
}
备注
Early accepted at MICCAI 2026