基于Omics的深度学习方法用于肺癌决策和治疗方法开发
Thi-Oanh Tran1,2,3, Thanh Hoa Vo4,5, Nguyen Quoc Khanh Le6,2,7,8
1International Ph.D. Program in Cell Therapy and Regenerative Medicine, College of Medicine, Taipei Medical University, No 250 Wuxing Street, 110, Taipei, Taiwan.
Briefings in functional genomics
|July 31, 2023
概括
深度学习模型正在通过分析多omics数据来改进诊断和治疗策略来彻底改变肺癌研究. 本综述强调了肺癌基因组学深度学习的最新进展和未来方向.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 人工智能的人工智能
背景情况:
- 肺癌仍然是全球癌症死亡的主要原因之一.
- 核酸分析和多omics数据生成的进步正在改变肺癌研究.
- 最少侵入性手术和技术发展推动了对创新的分析方法的需求.
研究的目的:
- 总结基于深度学习的肺癌基因组学的数据来源.
- 为肺癌应用的近期深度学习模型提供最新信息.
- 审查当前的挑战,并讨论未来的研究方向在这个领域.
主要方法:
- 对肺癌基因组学中的深度学习应用现有文献的综述.
- 使用人工智能模型分析多omics数据.
- 总结数据源和最近的深度学习模型.
主要成果:
- 深度学习模型在肺癌预测,分类和预后方面越来越有效.
- 基于基因组的深度学习在识别分子特征和预测治疗反应方面表现有前途.
- 已经确定了各种数据来源和最新的深度学习模型,用于肺癌基因组学.
结论:
- 深度学习提供了快速有效的方法来改善肺癌患者的诊断,预后和治疗.
- 需要进一步的研究来解决当前的问题,并探索基于深度学习的肺癌基因组学的未来方向.
- 多omics数据与AI的整合具有促进肺癌研究和临床实践的巨大潜力.
更多相关视频
08:14MicroRNA Based Liquid Biopsy: The Experience of the Plasma miRNA Signature Classifier MSC for Lung Cancer Screening
Published on: October 26, 2017
15.7K
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.5K
