乳腺癌受体多模态模型跨队列评估未显增量优势
热点事件观察中
乳腺癌受体多模态模型跨队列评估未显增量优势
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Tran BM等研究团队开发了用于乳腺癌ER、PR和HER2状态分类的多模态深度学习模型，跨队列评估显示区分度较高，但未显示优于三转录本基线模型的明确增量价值，且对三种受体均存在系统性高估。 模型结合全切片图像、转录组、年龄和分期，在TCGA-BRCA的1051例患者中开发，并在CPTAC-BRCA的120例患者中评估。后者曾在早期开发中被研究团队查看，且仅含13例HER2阳性病例；跨队列校准仍面临挑战。
AI 根据报道生成 · 1 天前更新
最新进展11月3日 08:00
乳腺癌 ER、PR 和 HER2 状态分类多模态深度学习模型的开发与跨队列评估报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- 预印本 · 医学生信与数据分析乳腺癌 ER、PR 和 HER2 状态分类多模态深度学习模型的开发与跨队列评估
乳腺癌多模态深度学习模型在跨队列评估中区分度较高，但未显示优于三转录本基线模型的明确增量价值。模型在 TCGA-BRCA 的1051例患者中开发，在 CPTAC-BRCA 的120例患者中评估，外部宏平均AUC分别为0.936和0.957。跨队列校准仍具挑战，ER、PR和HER2均出现系统性高估。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 511月4日 12:00
- 近 24 小时变化
- –
0246
12:0018:0011月5日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。