MEDIMP：用于肾移植表征学习的三维医学图像与临床提示

基于摘要分析。该研究面向肾移植监测与预后表征学习，提出 MEDIMP（Medical Images and clinical Prompts），将肾移植动态对比增强磁共振成像（DCE MRI）与转写为文本提示的结构化临床生物学数据结合，旨在充分利用有限的多模态数据，学习与移植后第 2、3、4 年移植物或患者状态相关的表征。 核心机制是基于配对的文本与图像嵌入开展对比学习，使影像表征能够利用临床信息。研究还提出利用 LLMs 自动生成文本数据增强的医学提示框架。其方法关注点在于结构化临床数据的文本化及图文联合表征，而非单独依赖影像进行学习；具体编码器、损失形式、提示模板与增强约束尚未验证。 作者报告，在有限数据的肾移植临床场景中，通过实验及与其他肾移植表征学习方法的比较，验证了 MEDIMP 的有效性。摘要未提供样本量、数据划分、具体预后终点定义、对照方法名称或量化指标，因此目前无法判断提升幅度、统计不确定性及泛化能力；实验协议、消融及统计信息尚未验证。作者提供了代码仓库，但代码完整性与复现条件尚未核验。 该研究的主要对象是肾移植 DCE MRI 与临床数据，不是 EEG 或 BCI。现有材料没有建立其机制与具体 EEG 瓶颈的对应关系，不能据此认定其具有 BCI 有效性；已有 EEG 相关工作尚未检索确认。