パターンから患者へ:癌の診断,予後,治療のための臨床機械学習の進歩

Kyle Swanson¹, Eric Wu², Angela Zhang³

¹Department of Computer Science, Stanford University, Stanford, CA, USA.

Cell

|March 11, 2023

まとめ

機械学習 (ML) は,画像と分子データを用いてがん診断,結果予測,治療計画における臨床腫瘍学を支援します. このレビューは,MLのアプリケーション,課題,および患者ケアのための承認されたモデルをカバーしています.

科学分野:

腫瘍学
医療情報工学
人工知能

背景:

機械学習 (ML) は臨床腫瘍学の応用を急速に進めている.
ML技術はがん患者の治療の様々な段階に統合されています.

研究の目的:

臨床腫瘍学における ML の最近の応用をレビューする.
癌の診断,予後および治療のための医学画像と分子データの分析におけるMLの使用について議論する.
規制当局が承認したMLモデルと臨床有用性に関する将来の方向性を検討する.

主な方法:

臨床腫瘍学におけるMLの最近の応用に関する文献レビュー
医学画像と分子データ (液体および固体生検) に適用されるML技術の分析.
癌患者の使用のために規制機関によって承認されたMLモデルの試験.

主要な成果:

MLは,診断,予後,治療計画を含む腫瘍学のワークフローに適用されます.
画像と分子データの ML モデルの開発には明確な課題があります
いくつかのMLモデルは,がん関連の患者向けに規制承認を受けています.

結論:

MLは癌の診断,予後,治療戦略の改善に重要な可能性を秘めています
データに特有の課題と規制の経路に対処することは,臨床採用に不可欠です.
腫瘍学におけるMLの臨床的有用性を最大化するために,さらなる開発が必要である.

さらに関連する動画