多模态医生在环：预测非小细胞肺癌病理反应的临床引导可解释框架
计算机视觉与模式识别
2026-02-16 v1 人工智能
机器学习
摘要
本研究提出了一种结合多模态深度学习与内在可解释人工智能技术的新方法，用于预测接受新辅助治疗的非小细胞肺癌患者的病理反应。鉴于现有影像组学和单模态深度学习方法的局限性，我们引入了一种中间融合策略，整合影像和临床数据，实现不同数据模态之间的高效交互。所提出的多模态医生在环方法通过将临床医生的领域知识直接嵌入训练过程，引导模型焦点从较宽的肺部区域逐步聚焦到特定病灶，从而进一步增强了临床相关性。结果表明，该方法提高了预测准确性和可解释性，为临床应用中的最佳数据整合策略提供了见解。
引用
@article{arxiv.2505.01390,
title = {Multimodal Doctor-in-the-Loop: A Clinically-Guided Explainable Framework for Predicting Pathological Response in Non-Small Cell Lung Cancer},
author = {Alice Natalina Caragliano and Claudia Tacconi and Carlo Greco and Lorenzo Nibid and Edy Ippolito and Michele Fiore and Giuseppe Perrone and Sara Ramella and Paolo Soda and Valerio Guarrasi},
journal= {arXiv preprint arXiv:2505.01390},
year = {2026}
}
备注
arXiv admin note: substantial text overlap with arXiv:2502.17503