课题简介-基于人工智能多模态集成模型的儿童肝移植术前风险评估与术后个体化诊疗路径优化研究

项目经费

33.3   （万元）

中文摘要

儿童肝移植是治疗儿童终末期肝病的关键手段，但移植术前等待及术后阶段均存在较高风险。现有评估工具主要依赖静态指标，难以有效整合多模态（如影像、病理）及连续动态时序数据，限制了精准个体化诊疗的发展。

本研究旨在构建并验证一个基于人工智能Transformer架构的多模态集成模型，以对儿童肝移植全周期进行精准风险分层与动态预后评估。回顾性收集约2000例儿童肝移植的数据，深度整合人口学特征、供受体信息、手术参数、影像学检查，以及覆盖术前至术后长期随访的动态时序数据（包括肝功能指标、免疫抑制剂血药浓度等）。研究将利用Transformer模型强大的长程依赖建模能力，开发一个多任务智能系统，同步预测移植等待列表相关风险、术后急性排斥反应及长期移植物存活率。模型性能将通过严格验证，并与随机森林等传统模型进行对比。同时，引入可解释性机器学习等技术解析模型决策依据，提升其临床可解释性与可信度。

本研究创新性地将Transformer模型应用于儿童移植领域，通过深度整合多模态时序数据，实现了从“静态评估”向“动态风险评估”的重要范式转变。最终目标是开发具备直观可视化界面的临床决策支持工具，为肝移植患儿实现精准个体化诊疗、改善其长期预后提供关键技术支撑。

项目组成员

姓名

职称

项目分工