混合AI框架精准预测胶质母细胞瘤

一篇发表在medRxiv上的预印本论文提出了一种混合神经网络-贝叶斯信念网络框架，用于多模态胶质母细胞瘤（GBM）预测。该框架能够量化预测不确定性，解决了传统神经网络缺乏置信度评估的问题。

研究在TCGA-GBM放射基因组学队列上评估了四种输入模态（T1Gd、FLAIR、mRNA和CNA）、五种模型系列以及五种结构正则化方法。结果显示，该框架在不同模态组合下均能提供可靠的置信度估计，尤其在使用结构感知正则化时，预测性能与置信度质量达到最佳平衡。

该研究尚未经同行评审，但为临床GBM预后评估提供了一种新思路，有望帮助医生更可靠地解读模型预测，辅助治疗决策。