一项新的研究探讨了可解释人工智能（xAI）结合多模态真实世界数据（RWD）在改善多种癌症预后方面的巨大潜力。这项大规模研究评估了15,726名患有38种不同癌症的患者，揭示了一种变革性的肿瘤学临床决策方法。
尽管精准肿瘤学取得了显著进展，但许多临床决策仍然依赖于有限数量的标志物和专家判断。为了弥补这一差距，研究人员开发了一个基于AI的模型，该模型纳入了350个临床标志物，包括基因数据、CT图像中的身体成分和患者记录，以解码预后模式。通过使用可解释的人工智能，该模型识别出114个关键标志物，这些标志物负责90%的预测结果，并揭示了这些标志物之间的1,373个预后相互作用。
与传统的特定癌症预测模型不同，这种方法涵盖了多种癌症类型，提供了更全面的跨癌症关联理解。该AI模型通过来自美国全国电子健康记录（EHR）数据库的独立数据集进行了验证，该数据集包括3,288名肺癌患者。结果证实其在预测结果和识别关键变量方面具有准确性，这些变量可以指导个性化治疗。
集成xAI增强了临床决策的透明度，清晰地展示了每个变量如何贡献于患者的预后。这不仅提高了预后的准确性，也符合医疗保健中日益增长的数据透明度监管要求。
真实世界数据在医疗保健中的作用越来越重要，对于开发反映真实临床环境的预测模型至关重要。通过利用多模态数据和xAI，这项研究为优先考虑患者特异性见解的个性化癌症护理奠定了基础，最终改善临床结果并指导治疗策略。
随着真实世界数据变得更加容易获取，可解释的人工智能为数据驱动的肿瘤学和精准医学带来了光明的未来。这种方法有可能重新定义临床医生如何评估风险并在广泛的癌症范围内优化治疗方案。
参考文献：Keyl J等。使用多模态真实世界数据和可解释人工智能解码泛癌治疗结果。Nat Cancer. 2025. doi:10.1038/s43018-024-00891-1。
(全文结束)
