本研究提出了一种结合数字病理和临床特征的多模态人工智能测试，旨在提高乳腺癌复发风险评估的准确性。该测试利用视觉变换器模型与临床数据，在8161名患者中表现优于传统的Oncotype DX检测，促进个性化治疗选择。

本研究使用深度学习算法分析乳腺癌病理学图像，准确预测早期患者复发风险。算法对低、中、高风险的预测灵敏度分别为0.857、0.746和0.529，特异性分别为0.816、0.803和0.972。与组织级别信息相比，皮尔逊相关系数为0.61。模型还考虑了管状形成和有丝分裂率对不同风险组的预测结构。