因果多模态 AI 模型利用常规病理和临床信息预测个体化化疗敏感性。我们在包含 9,141 名患者（12 个队列，9 个国家）的多国数据集上训练模型，并在另一个包含 1,994 名患者（5 个队列，3 个国家）的独立数据集上进行评估。模型为每位患者生成治疗特异性的复发概率，校准几乎完美，在 5 年和 10 年随访期均表现出强大的预后区分能力。
化疗获益预测显示出稳健的预测性能，显著优于现有基于复发评分的检测。与标准护理相比，使用该模型支持的个体化决策可在保持相同无复发生存率的前提下，将接受化疗的患者比例降低约 30%。被预测为高度化疗敏感的肿瘤在分子和形态学上呈现增殖、细胞周期进程和复制应激的共性程序。
此外，模型的预测能力能够零样本迁移至非乳腺癌，表明因果多模态 AI 方法可能成为跨癌种预测治疗结果的通用策略。
点评