HoneyBee：面向多模态肿瘤数据集创建的可扩展模块化框架
机器学习
2025-08-28 v5 人工智能
数据库
摘要
HONeYBEE（Harmonized ONcologY Biomedical Embedding Encoder）是一个开源框架，用于肿瘤应用集成多模态生物医学数据。它处理临床数据（结构化和非结构化数据）、全切片图像、放射学扫描和分子组分，通过领域特定的基础模型和融合策略生成统一的患者水平嵌入。这些嵌入支持生存预测、癌种分类、患者相似性检索和队列聚类。在来自 The Cancer Genome Atlas（TCGA）的 33 种癌症、超过 11,400 名患者的数据上进行评估后，临床嵌入显示出最强的单模态性能，分类准确率达 98.5%，患者检索的 precision@10 为 96.4%。它们还在大多数癌症类型中实现了最高的生存预测 concordance 指数。多模态融合为特定癌症提供了互补性益处，显著超越仅使用临床特征进行的生存预测。比较评估了四个大型语言模型，发现通用模型如 Qwen3 在临床文本表示方面优于专门的医学模型，尽管任务特定的微调在处理如病理报告等异构数据时仍能提升性能。
引用
@article{arxiv.2405.07460,
title = {HoneyBee: A Scalable Modular Framework for Creating Multimodal Oncology Datasets with Foundational Embedding Models},
author = {Aakash Tripathi and Asim Waqas and Matthew B. Schabath and Yasin Yilmaz and Ghulam Rasool},
journal= {arXiv preprint arXiv:2405.07460},
year = {2025}
}