基于800万真实数据，康奈尔大学团队利用图神经网络精准预测肺癌患者生存期，发现3类致命亚型

美国康奈尔大学与再生元制药公司提出图编码混合生存模型（GEMS），通过图神经网络编码患者电子健康记录复杂关系并与生存分析模型结合，识别具有一致特征和生存结局的亚表型。

CheckMate 017 试验表明，PD-1 抑制剂 Nivolumab 显著提高晚期肺鳞癌患者的生存率，但免疫治疗反应存在较大差异。为了解决这一问题，康奈尔大学与再生元制药合作开发了图编码混合生存模型（GEMS），利用图神经网络分析患者数据，识别出三种不同的生存亚表型，推动肺癌精准医疗的发展。

Nivolumab 免疫治疗 生存率 神经网络 精准医疗 肺鳞癌
原文中文，约4600字，阅读约需11分钟。发表于：。
阅读原文
分享给好友