JIC | 中山大学陈柏深等团队提出了一个基于Transformer注意力机制的多组学融合框架

背景：非小细胞肺癌（NSCLC）预后较差，新辅助免疫联合化疗可提高病理缓解率，但缺乏可靠生物标志物预测疗效，现有AI模型多基于单一数据源。研究目的：开发基于Transformer注意力机制的多组学融合模型（Trans-Model），整合多时间点CT影像组学、深度学习特征和病理组学数据，精准预测新辅助免疫化疗后的主要病理缓解（MPR）。结论：Trans-Model在测试集中AUC达0.858，显著优于单模态模型，能有效区分患者长期生存获益，3年总生存率MPR阳性组达87.3%，为肺癌精准治疗提供非侵入性AI决策工具，尤其适用于中低风险患者。