来自斯坦福医学院的科研团队研发了名为 MUSK 的 AI 模型，结合医学图像和文本数据，可以精准预测癌症患者的预后和治疗反应。

注：预后（英语：Prognosis）是一个医学名词，是指基于病人当前的状况，结合疾病的了解，例如临床表现、化验结果、影像学检查、病因、病理、病情规律等，以及治疗时机、方法和过程中出现的新情况，来推估治疗后的可能结果。

MUSK 模型的亮点在于，突破性地整合了视觉数据（如病理图像）和文本数据（如病历和临床记录），可以更全面理解患者病情。

MUSK 模型在庞大的非配对多模态数据集上进行预训练，极大地扩展了其学习范围，使其比传统 AI 模型更具适应性和定制化能力。

该模型通过5000 万张病理图像和超过 10 亿条医学文本训练，可以准确预测 16 种癌症类型的患者生存率和治疗反应。

MUSK 模型能够分析包括患者人口统计学信息和病史在内数千个数据点，更准确地确定哪些疗法（例如免疫疗法）对个体患者最有效。

该团队表示相比传统方法，其预测生存率的准确性提高了 11 个百分点，达到 75%；预测免疫治疗适用性的准确性从 61% 提升至 77%；预测五年内黑色素瘤复发风险的准确性则提高了 12 个百分点，达到 83%。