夜雨聆风文章题目：
Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data
全文链接：
https://doi.org/10.1038/s41392-024-01932-y
影响因子/JCR分区：
52.7/Q1
文章主要内容：
本研究提出了一种基于多模态数据（包括放射学CT影像、病理全切片图像、结构化临床报告及患者基本信息）的深度学习模型MuMo，用于预测HER2阳性胃癌患者对抗HER2单药治疗或抗HER2联合免疫治疗的疗效。该模型采用Transformer架构，设计了模态内融合、模态间融合和患者信息融合模块，并创新性地使用可学习特征嵌入来处理临床实践中常见的模态缺失问题。在内部验证中，模型对抗HER2治疗和联合免疫治疗的AUC分别达到0.821和0.914，在外部独立队列中亦表现稳健（AUC 0.884）。此外，模型能够将患者分层为高风险与低风险组，两组在无进展生存期和总生存期上存在显著差异。该研究首次系统地将放射学、病理学及临床文本信息进行深度整合，并专门针对HER2阳性胃癌治疗反应预测这一临床难题，实现了高性能、可处理缺失模态的端到端预测。
可专利性分析：
若在该技术方案公开发表前，现有技术中未公开同类针对HER2阳性胃癌、融合CT影像、病理图像与结构化文本报告、并采用可学习嵌入处理缺失模态的多模态Transformer模型用于治疗反应预测，则该技术方案具备新颖性。研究中包含数据处理方法创新、建模架构创新、训练策略创新及临床应用创新，具备申报发明专利的潜力。可专利的主题包括：
（1）一种基于多模态数据预测胃癌抗HER2治疗反应的方法，涵盖多模态数据采集与预处理、特征提取、模态内与模态间注意力融合、缺失模态的可学习替代机制以及风险分层输出的全流程；
（2）一种胃癌治疗反应预测与个体化治疗辅助决策系统，基于输入的多模态数据输出疗效概率、风险分组及生存预后，用于指导临床用药调整和临床试验筛选。
可专利点拆解：
本研究的核心可专利点在于“一种面向胃癌抗HER2治疗反应预测的多模态Transformer融合方法”，其保护点可涵盖：数据获取与预处理（包括CT病灶区域标注与归一化、病理切片HER2表达区域勾画与颜色标准化、结构化临床报告的编码映射）、特征提取架构（采用MnasNet提取深度图像特征、PyRadiomics提取影像组学特征、无参数编码器处理文本）、模态内融合（通过交叉注意力将图像特征与对应模态的临床报告特征进行融合）、模态间融合（将病理与放射学特征解耦为模态特定和模态无关特征，利用对比学习对齐模态无关特征后加权融合，并针对模态缺失场景引入可学习特征占位符）、患者信息融合（将年龄、性别、治疗线数等人口学与临床变量通过交叉注意力整合到融合特征中）、预测与分层（输出响应概率，利用约登指数划分高风险/低风险组，并关联生存分析）。此外，该模型在外部多中心数据上的验证、与六名临床医生判断的对比、以及可解释性分析（病理区域注意力热图对应HER2高表达区与肿瘤间质比例，CT热图对应转移灶）进一步强化了其技术方案的完整性和临床价值。
授权案例分析：
多模态生理参数融合--一种基于个体化血压管理的智能诊疗方法、系统及可存储介质
模块组合改进--一种基于双眼融合网络预测高血压的方法、系统和设备
多模态数据分析--一种基于多模态数据的癌症预测方法、系统及设备
算法创新--一种基于瞳孔变化的疼痛评估方法、系统及设备
预测与分层--一种鉴别高低级别膀胱癌的方法、设备和系统
总结：
该多模态AI治疗反应预测研究的专利布局可围绕“多模态数据采集与标准化→模态内交叉注意力融合→模态间解耦与对比对齐→缺失模态的可学习填补→患者信息注入→风险分层与生存预后输出”全链条展开，覆盖方法、系统、存储介质及临床应用场景，最大化人工智能在胃癌精准治疗与免疫联合治疗决策中的商业与临床价值。
北京预立生科知识产权代理有限公司
北京预立生科知识产权代理有限公司是一家专注于生物医学领域的专利咨询、专利申报及技术转化公司。拥有一支由专利代理师和技术专家顾问组成的逾40人的专业团队，是中国最优秀的生物医学专利服务机构之一。区别于传统专利服务机构的全领域服务，预立生科服务领域聚焦，在医学细分领域发明专利授权率全国排名前三，已经与200多家医药企业、三甲医院及重点研究所达成合作，成功申报5000余项生物医学类专利。
欢迎扫码咨询
