多模态融合框架比较15种方法预测IBD缓解

Ankana Banerjee 等作者提出一个模块化框架，把冻结基础模型生成的切片级图像嵌入与每次就诊的临床嵌入，输入15种可互换的融合方法，在炎症性肠病前瞻性队列中预测与 STRIDE-II 对齐的缓解结局。 研究称，最佳融合方法的 macro-F1 为 0.57–0.75，在六种场景中的四种优于单模态模型，表现随结局类型和输入而变化。模型对图像的依赖程度随缓解类型不同：组织学缓解最高，内镜缓解最低；准确率相近的方法对切片的依赖程度差异很大。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。