Искусственный интеллект и машинное обучение в прецизионной онкологии: обзор, посвященный повышению доступности обнаружения опухоли за счет интеграции мультиомных данных

Мультиомные данные, включая радиомические данные визуализации и различные типы молекулярных биомаркеров, все чаще изучают для улучшения диагностики и терапии в эпоху прецизионной онкологии. Искусственный интеллект, включая методы машинного и глубокого обучения, в сочетании с экспоненциальным ростом объема мультиомных данных может иметь большой потенциал для революционного изменения стратификации опухолей по подтипам, оценки риска, прогноза, предсказания и принятия клинических решений. В этой статье сначала представлены различные категории мультиомных данных и их роль в диагностике и терапии. Затем проиллюстрированы методы слияния данных и моделирования на основе искусственного интеллекта, а также различные схемы валидации. Далее показаны применение и примеры мультиомных исследований в онкологии. Наконец, обсуждаются проблемы, связанные с гетерогенностью наборов данных, доступностью омиксных данных и валидацией исследований. Переход мультиомных исследований в реальную клиническую практику по-прежнему требует последовательных усилий по стандартизации сбора и анализа омиксных данных, созданию вычислительной инфраструктуры для обмена и хранения данных, разработке более совершенных методов для улучшения слияния данных и интерпретируемости, а в конечном счете — проведения крупных проспективных клинических исследований, чтобы устранить разрыв между результатами исследований и клинической пользой.