來自斯坦福醫學院的科研團隊研發了名為 MUSK 的 AI 模型，結合醫學圖像和文本數據，可以精準預測癌癥患者的預后和治療反應。

　　注：預后(英語：Prognosis)是一個醫學名詞，是指基于病人當前的狀況，結合疾病的了解，例如臨床表現、化驗結果、影像學檢查、病因、病理、病情規律等，以及治療時機、方法和過程中出現的新情況，來推估治療后的可能結果。

　　MUSK 模型的亮點在于，突破性地整合了視覺數據(如病理圖像)和文本數據(如病歷和臨床記錄)，可以更全面理解患者病情。

　　MUSK 模型在龐大的非配對多模態數據集上進行預訓練，極大地擴展了其學習范圍，使其比傳統 AI 模型更具適應性和定制化能力。

　　該模型通過5000 萬張病理圖像和超過 10 億條醫學文本訓練，可以準確預測 16 種癌癥類型的患者生存率和治療反應。

　　MUSK 模型能夠分析包括患者人口統計學信息和病史在內數千個數據點，更準確地確定哪些療法(例如免疫療法)對個體患者最有效。

　　該團隊表示相比傳統方法，其預測生存率的準確性提高了 11 個百分點，達到 75%;預測免疫治療適用性的準確性從 61% 提升至 77%;預測五年內黑色素瘤復發風險的準確性則提高了 12 個百分點，達到 83%。