یکی از بزرگترین موانع در استفاده از هوش مصنوعی برای پیشبینیهای پزشکی، «دادههای ناقص» یا Blockwise missingness است؛ یعنی زمانی که بخشی از اطلاعات حیاتی بیمار در دسترس نیست.
محققان در مطالعه اخیر خود، فریمورک جدیدی به نام «Multimodality Stacking» (یا به اختصار MSB) را معرفی کردهاند که به طور خاص برای آنالیز بقا در بیماران مبتلا به سرطان طراحی شده است.
✅ ویژگیهای کلیدی این دستاورد:
• مدیریت هوشمند دادههای گمشده بدون نیاز به حذف اطلاعات بیمار.
• ترکیب مدلهای مختلف (late-fusion) برای رسیدن به دقت بالاتر.
• بهبود چشمگیر در پیشبینی روند درمان بیماران سرطانی (در مقایسه با مدلهای سنتی).
این روش به متخصصان کمک میکند تا حتی با وجود اطلاعات ناقص، پیشبینیهای دقیقتری برای درمانهای ایمنیدرمانی (Immunotherapy) داشته باشند. گام مهمی دیگر در جهت شخصیسازی پزشکی با کمک AI! 🏥🤖
منبع: arXiv Machine Learning