癌症预后持续演化的多模态基础模型
机器学习
2025-02-04 v2
摘要
癌症预后是一项关键任务，涉及预测患者的结局和生存率。为提高预测准确度，过去的研究将多样化的数据模态（如临床记录、医学影像和基因组数据）整合起来，利用其互补信息。然而，现有方法面临两个主要局限性：首先，它们难以将新到达的数据（如来自不同医院的患者记录）纳入训练，从而导致泛化能力次优且在实际应用中受限。其次，大多数多模态集成方法依赖于简单的拼接或任务特定的管道，无法捕捉跨模态的复杂相互依存关系。为此，我们提出一种持续演化的多模态基础模型。在 TCGA 数据集上的大规模实验表明，我们方法的有效性，凸显了其在实现稳健和自适应多模态集成方面的潜力，以推动癌症预后研究。
引用
@article{arxiv.2501.18170,
title = {Continually Evolved Multimodal Foundation Models for Cancer Prognosis},
author = {Jie Peng and Shuang Zhou and Longwei Yang and Yiran Song and Mohan Zhang and Kaixiong Zhou and Feng Xie and Mingquan Lin and Rui Zhang and Tianlong Chen},
journal= {arXiv preprint arXiv:2501.18170},
year = {2025}
}
备注
9 pages, 1 figure