A transformer-based prognostic signature integrating tumor and body composition CT images predicts postoperative recurrence in gastric cancer
8.0
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-12-04 07:42
摘要：
本研究提出了一种基于Transformer的SM-AT-Tumor-Clinical评分模型，整合了肿瘤和身体成分CT图像，旨在提高胃癌患者的预后预测能力。通过对1862名患者的分析，该模型在预测复发无生存率方面表现出色，具有重要的临床应用潜力。
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
1.0分+核心领域符合度
business_impact
1.0分+潜在商业影响
scientific_rigor
1.5分+具体实验数据支持
timeliness_innovation
1.5分+重大创新
investment_perspective
2.5分+早期研发阶段
market_value_relevance
1.0分+高发疾病相关性
team_institution_background
0.5分+知名机构背景
technical_barrier_competition
0.5分+一定技术壁垒
关键证据
SMAT-TC评分在训练和验证队列中表现优异，C-index高达0.966。
该模型能够将患者分为高、中、低风险组，显著提高复发无生存率的预测能力。
研究整合了多模态数据，展示了身体成分在胃癌预后中的重要性。
真实性检查
否
AI评分总结
本研究提出了一种基于Transformer的SM-AT-Tumor-Clinical评分模型，整合了肿瘤和身体成分CT图像，旨在提高胃癌患者的预后预测能力。通过对1862名患者的分析，该模型在预测复发无生存率方面表现出色，具有重要的临床应用潜力。