💡 站外导读：在精准医疗时代，医生面临治疗方案选择的核心痛点：如何预见不同干预下的疾病演变？香港科技大学（广州）等机构提出MeWM医学世界模型，通过构建策略、动态与逆向动态模型的闭环系统，以医学影像为输入，模拟肿瘤在不同治疗方案下的形态变化与生存风险。这项研究将AI驱动的临床决策支持推向新高度，为个性化癌症治疗提供前所未有的推演能力。

MeWM（Medical World Model）是创新的医学模型，由香港科技大学（广州）等机构提出，通过模拟疾病动态来辅助临床决策。由策略模型、动态模型和逆向动态模型组成。策略模型基于视觉-语言模型，根据患者状态生成潜在治疗方案；动态模型模拟疾病在不同治疗条件下的进展或消退；逆向动态模型则对模拟结果进行生存风险评估，优化治疗方案。MeWM以医学影像为输入，通过感知模块构建初始病情状态，动态模型预测未来的疾病状态，逆向动态模型评估治疗效果，策略模型生成最佳治疗方案，形成闭环反馈优化干预路径。

MeWM的主要功能

• 肿瘤演变模拟：MeWM能使用3D扩散模型模拟不同治疗方案下的肿瘤形态演变，生成逼真的术后肿瘤图像，帮助医生在术前直观地评估治疗效果。

• 生存风险评估：通过生存分析模型，MeWM可以预测不同治疗方案下患者的预后生存风险，基于逆动力学推理出最优治疗方案。评估结果在准确性上大幅超越传统多模态大模型。

• 临床决策优化：MeWM构建了一个从“方案生成-模拟推演-生存评估”的自动化、可视化优化循环，支持癌症介入治疗规划。能显著提升介入医生的临床决策能力，例如在肝癌动脉化疗栓塞（TACE）治疗方案选择中，将F1分数提高了13%。

MeWM的技术原理

• 技术架构：MeWM由以下三个核心组件构成：

  • 策略模型（Policy Model）：基于视觉-语言模型（如GPT-4o），从CT影像和治疗目标中生成满足临床规则的候选治疗方案组合，覆盖多种治疗药物和栓塞材料搭配。

  • 动态模型（Dynamics Model）：利用3D条件扩散模型，根据不同的治疗方案模拟术后肿瘤的形态变化，生成逼真的术后肿瘤图像。

  • 逆向动态模型（Inverse Dynamics Model）：对模拟生成的术后肿瘤图像进行生存风险评估，通过启发式函数计算风险值，并动态优化治疗方案，最终选择风险最低的方案作为推荐。

• 工作流程

  • 输入与感知：以医学影像为输入，通过感知模块生成初始病情状态。

  • 模拟与评估：动态模型根据不同的治疗方案模拟术后肿瘤的形态变化，逆向动态模型对模拟结果进行生存风险评估。

  • 优化与反馈：基于评估结果，策略模型生成新的治疗方案，形成闭环反馈，不断优化干预路径。

• 创新点

  • 生成模型：MeWM创新性地将“治疗行为”作为条件输入生成模型，模拟不同治疗方案下的肿瘤演化。

  • 对比学习：通过组合对比学习（CCL），增强生成结果的真实性和治疗敏感性。

  • 临床决策支持：在肝癌动脉化疗栓塞（TACE）治疗方案选择中，MeWM显著提升了介入医师的决策准确性，将F1分数提高了13%。

MeWM的项目地址

• 项目官网：https://yijun-yang.github.io/MeWM/
• Github仓库：https://github.com/scott-yjyang/MeWM
• arXiv技术论文：https://arxiv.org/pdf/2506.02327

MeWM的应用场景

• 术前规划与方案优化：MeWM可以为医生提供术前规划的智能助手功能。通过生成术后肿瘤图像和评估生存风险，MeWM能帮助医生优化治疗方案，选择最适合患者的药物和栓塞材料组合。
• 作为“第二阅片医师”：MeWM有望作为“第二阅片医师”融入临床实践。能基于生成的术后CT进行生存分析评分，形成完整的“治疗模拟—效果评估—方案筛选”闭环机制，辅助医生在术前更有效地预判治疗结果。
• 个性化治疗支持：MeWM支持个体化、数据驱动的治疗决策。可以根据患者的术前影像和治疗目标，生成多种治疗方案，通过模拟和评估选择最优方案，为精准医疗提供了有力支持。