がん知識発見における統合マルチオミクスおよび機械学習/深層学習アプローチ：スコーピングレビュー

科学分野:

• 腫瘍学と計算生物学
• 医用人工知能
• バイオインフォマティクスとデータサイエンス

背景:

• AI、特にMLとDLの応用は、がん研究とデータ分析を急速に進歩させています。
• マルチオミクスデータ（ゲノミクス、トランスクリプトミクス、プロテオミクス）の統合は、がんの複雑さを理解するための包括的なアプローチを提供します。
• 腫瘍学におけるマルチオミクス統合の現在の方法を評価する必要性が高まっています。

研究 の 目的:

• がん研究のためのマルチオミクス統合におけるML/DLアプローチの有効性を評価するスコーピングレビューを実施すること。
• マルチオミクスデータから新しいがんの洞察を発見するためのAIのモデル、方法、および応用を説明すること。
• マルチオミクス統合に関する文献における主要なテーマ、知識のギャップ、およびトレンドを特定すること。

主な方法:

• がん研究におけるマルチオミクス統合に焦点を当てた70の研究を対象とした体系的な文献検索。
• AI駆動の予測、サブタイピング、および分類タスクに使用されるモデルと方法の分析。
• 含まれる研究全体での一般的なテーマ、デザインの多様性、およびデータ型の特定と合成。

主要な成果:

• マルチオミクス統合は、予後/診断変数の予測およびがんサブタイプの分類において重要な役割を果たします。
• 研究デザインとデータ型に大きな多様性が観察され、アプローチの直接比較を妨げています。
• マルチオミクスにおけるML/DLの応用は、がん生物学と潜在的な治療戦略に関するより深い洞察を促進します。

結論:

• AIを活用したマルチオミクス統合は、がんの理解、予測、分類を進歩させるために不可欠です。
• 現在の文献は、マルチオミクス統合方法における標準化の必要性を明らかにしています。
• AI駆動の腫瘍学における臨床応用を堅牢にするためには、さらなる研究と標準化が不可欠です。