Brain-WM：脑肿瘤世界模型
计算机视觉与模式识别
2026-03-10 v1
摘要
对不同治疗干预下的脑腺瘤 (GBM) 精确的预后建模对于优化临床结果至关重要。虽然生成式AI在模拟GBM演变方面显示出前景，但现有方法通常将干预作为静态条件输入，而非动态决策变量。 consequently，它们无法捕捉肿瘤演变与治疗反应之间的复杂、相互作用。为弥合这一差距，我们提出了 Brain-WM，一种 pioneers 脑GBM世界模型，统一了下一步治疗预测和未来MRI生成，从而捕捉肿瘤与治疗的共演化动态。具体而言，Brain-WM 将时空动态编码到共享的潜在空间，用于联合自回归治疗预测和基于流的未来MRI生成。然后，与传统的单一框架不同，Brain-WM 采用一种新颖的Y形混合转换器 (MoT) 架构。该设计结构性地解耦异构目标，成功地利用跨任务协同效应，同时防止特征坍缩。最后，一个协同的多时间点掩码对齐目标显式地将潜在表示锚定到解剖学上以肿瘤结构和progression感知语义。广泛的在内部和外部多机构队列上的验证表明，Brain-WM 的优势显而易见，在治疗规划中实现了 91.5% 的准确率，FLAIR、T1CE 和 T2W 序列的 SSIM 分别为 0.8524、0.8581 和 0.8404。最终，Brain-WM 为优化患者医疗保健提供了一个稳健的临床沙盘。源代码已公开于 https://github.com/thibault-wch/Brain-GBM-world-model。
引用
@article{arxiv.2603.07562,
title = {Brain-WM: Brain Glioblastoma World Model},
author = {Chenhui Wang and Boyun Zheng and Liuxin Bao and Zhihao Peng and Peter Y. M. Woo and Hongming Shan and Yixuan Yuan},
journal= {arXiv preprint arXiv:2603.07562},
year = {2026}
}