Regeneron ISEF 2025 最高奖：TMED042 - OncoNote-早期全癌预后预测

癌症是全球第二大死亡原因，每年影响2000万人，导致超过970万人死亡。早期预测临床结果对于患者风险分层和治疗管理至关重要，但目前的分期系统无法对不同癌症进行分层，一致性低至52%。因此，我的项目提出了OncoNote：第一个低成本、非侵入式的计算框架，用于使用非结构化自由文本临床叙述来预测初诊时泛癌患者的生存率和复发率。首先，我训练了一个无监督的FastText模型，通过消除噪音、分割句子和合成临床术语来处理来自56,339名患者的约230万条临床叙述。通过学习来自686家机构的稳健且医学相关的词汇表征，该模型生成了一个文档级嵌入数据集，用于训练Cox比例风险神经网络。该模型自适应地评估与预后相关的临床文本，并预测每位患者的风险评分。经过大量实验，生存和复发预测模型在32种癌症类型中取得了令人印象深刻的0.72和0.77的一致性，超越了所有现有的临床技术。OncoNote为临床医生提供了首个基于文本的泛癌症数字生物标记物，该标记物可推广至任何电子健康记录，并将通过避免患者过度治疗来改善临床疗效。最终，该平台是一个可扩展、经济实惠且全面的解决方案，将使临床医生能够更早地确定稳健、有针对性的治疗方案，从一开始就预防不良临床事件的发生，并挽救数百万人的生命。