HIBRID: histology-based risk-stratification with deep learning and ctDNA in colorectal cancer
8.0
来源：
Nature
发布时间：
2025-08-14 22:03
摘要：
本文开发了一种深度学习模型用于结直肠癌的风险分层，结合ctDNA检测显著提高了预后评估的准确性，可能改善个性化治疗决策。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
3.0分+重点关注领域符合度
business_impact
0.5分+商业影响力
scientific_rigor
2.5分+数据支撑的科学性
audience_relevance
0.5分+受众相关性
timeliness_innovation
1.5分+时效性与创新性
关键证据
深度学习模型在GALAXY队列中对304名患者进行高风险分类。
结合DL评分与MRD状态显著改善预后分层。
MRD阴性患者在DL高风险组中接受辅助化疗获益明显。
真实性检查
否
AI评分总结
本文开发了一种深度学习模型用于结直肠癌的风险分层，结合ctDNA检测显著提高了预后评估的准确性，可能改善个性化治疗决策。