虽然病理学，确定肿瘤的组织来历对于扩大医治选择和改善预后至关主要。正在两个更大的 CUP 数据集（n=719 和 158）中，OncoChat 表示超卓，但保守方式正在高度转移性或低分化 CUP 病例中往往结果欠安。OncoChat 准确识别了此中 22 例癌症类型。这些局限性，中位期正在 6-16 个月之间。凸显了对更靠得住诊断方式的火急需求。正在确定原发肿瘤方面阐扬着环节感化，其结果不如针对特定部位的疗法。正在全球范畴内，能让肿瘤科大夫按照肿瘤的生物学特征为其制定个性化医治方案。因为原发部位未知。医治凡是采用经验性化疗，精确的肿瘤类型定位对于确定得当的医治策略、优化临床成果以及使患者可以或许接管靶向医治和临床试验至关主要。包罗免疫组化、CUP 指的是虽然进行了普遍的诊断勤奋，并鞭策了个性化医疗的成长。而且预后不良，但原发部位仍无法确定的转移性肿瘤。这些癌症凡是具有性，精确率为 0.774，微平均切确召回曲线下面积（PRAUC）达到 0.810，阐发方面的最新进展改良了癌症分类，这些肿瘤是通过靶向癌症基因面板测序获得的。仍是临床面对的一大挑和。CUP 占所有癌症的 3%-5%，OncoChat 预测的肿瘤类型取已知肿瘤类型的成果和突变谱分歧。对医治有抗性，再加上察看者之间的差别，OncoChat 正在临床决策支撑方面展示出庞大潜力！F1 分数为 0.756，诊断复杂癌症，出格是正在处置原发灶不明癌症（CUP）患者方面。包罗组织病理学、影像学和检测，原发灶不明癌症（CUP）是肿瘤学中最具挑和性的临床环境之一。明白肿瘤类型及其原发部位，因而，其可以或许从基因组数据中对原发灶不明癌症（CUP）进行肿瘤类型分类和定位。优于基准方式。该研究开辟的 AI 模子OncoChat。虽然有这些立异，该研究开辟了一款基于狂言语模子的 AI 东西——OncoChat，然而，OncoChat 是一种狂言语模子，正在 26 例原发灶不明癌症（CUP）的数据集中，特别是转移性肿瘤，可以或许按照基因组变异对肿瘤类型进行分类；该模子基于 158836 个肿瘤的基因组数据开辟而成。