Глубокое обучение в диагностике, прогнозировании и выборе лечения при раке

Глубокое обучение — это направление искусственного интеллекта, использующее метод машинного обучения, основанный на искусственных нейронных сетях, для выявления закономерностей и построения прогнозов по большим массивам данных. Расширение применения глубокого обучения в различных областях здравоохранения и доступность хорошо охарактеризованных наборов данных о раке ускорили исследования его возможностей для анализа сложной биологии опухолей. Хотя первые результаты многообещающи, эта область быстро развивается: новые данные появляются как в биологии рака, так и в сфере глубокого обучения. В этом обзоре представлены современные методы глубокого обучения и варианты их применения в онкологии. Основное внимание уделено использованию глубокого обучения для анализа различных типов омиксных данных, включая геномные, метилировочные и транскриптомные данные, а также прогнозированию геномных характеристик на основе гистопатологических данных; кроме того, рассмотрены перспективы интеграции разных типов данных для разработки систем поддержки принятия решений. Приведены конкретные примеры применения глубокого обучения в диагностике рака, оценке прогноза и выборе тактики лечения. Также оценены текущие ограничения и проблемы использования глубокого обучения в прецизионной онкологии, включая недостаток данных с подробной фенотипической характеристикой и необходимость создания более интерпретируемых моделей глубокого обучения. В заключение обсуждаются пути преодоления существующих препятствий, которые позволят использовать глубокое обучение в клинической практике.