标记数据的稀缺性限制了肿瘤学中深度学习生物标志物的发展。我们开发了一个两阶段AI模型，预测乳腺癌新辅助治疗的病理完全缓解（ pCR ）。第一阶段使用来自32种癌症类型的8,742名患者从组织病理学中学习转录组，通过病理学家审查和与测量的表达的空间一致性得到证实。

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.03693v1)获取最准确的信息。

---
🔗 **原文链接**: [Transcriptome-informed multi-modal AI for predicting neoadju](https://arxiv.org/abs/2610.03693v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Jungkyu Park, Dhruva Biswas, Joseph Cappadona, Cerise Tang, Ken G. Zeng, Bartosz Machura, Chuwen Liu, Paolo Tarantino, Coral Omene, Francisco J. Esteva, Rohit Bhargava, Marcin Braun, Kamila Paździerz, Jakub Czerwiński, Hanna Romańska-Knight, Albert Grinshpun, Bareket Daniel, Michele Buchinger, Frederick Howard, Piotr Wysocki, Brie Chun, Freya Schnabel, Rich Caruana, Jan Witowski, Krzysztof J. Geras

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-05 13:01