古典的機械学習から新興の基盤モデルへ：がん研究におけるマルチモーダルデータ統合に関するレビュー

科学分野:

• 計算腫瘍学
• 医学における人工知能
• マルチモーダルデータ統合

背景:

• がん研究は、ゲノミクス、プロテオミクス、イメージング、臨床データなどの多様なモダリティの統合にますます依存しています。
• これらの複雑で異種なデータセットから実行可能な洞察を抽出することは、大きな課題となっています。
• 基盤モデル（FM）は、バイオマーカーの発見、診断の改善、個別化されたがん治療のための有望な道を提供します。

研究 の 目的:

• 腫瘍学におけるマルチモーダルデータ統合戦略の包括的なレビューを提供します。
• 機械学習（ML）および深層学習（DL）の新興トレンドを、FMへの移行に焦点を当てて調査します。
• データ駆動型のがん研究を推進するための最先端のFM、リポジトリ、およびツールを特定します。

主な方法:

• 腫瘍学におけるマルチモーダルデータ統合に関する文献の体系的なレビュー。
• 基盤モデル（FM）を含む機械学習（ML）および深層学習（DL）方法論の分析。
• トレンド、フレームワーク、検証プロトコル、およびオープンソースリソースの調査。

主要な成果:

• 本研究は、腫瘍学におけるマルチモーダルデータ統合のための従来の機械学習から高度なFMへの移行をマッピングします。
• マルチオミクスおよびイメージングデータを統合するための主要な進歩、課題、および最先端のFMを特定します。
• データ統合に不可欠な、一般公開されているマルチモーダルリポジトリおよびツールを強調します。

結論:

• FMを使用した現在の統合方法は、腫瘍学における次世代の大規模AIモデルの基盤を築きます。
• 本レビューは、マルチモーダルがんデータ統合におけるMLからFMへの進化を体系的に記録した最初のものである。
• これらの進歩は、AI駆動のがん研究と個別化医療の未来の基礎となります。