Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Marco Filetti1, Manuela Petti2, Lorenzo Farina2

  • 1Uoc Fase 1, Fondazione Policlinico universitario Agostino Gemelli, Irccs, Roma - Dipartimento di Medicina sperimentale, Sapienza Università di Roma - Ph.D. Program in "Network oncology and precision medicine", Sapienza Università di Roma.

Recenti progressi in medicina
|August 2, 2023
PubMed
概括
此摘要是机器生成的。

医学的进步需要将人工智能 (AI) 与遗传学和分子生物学等不同领域相结合. 这种跨学科的方法对于理解复杂疾病和改善患者的治疗结果至关重要.

相关实验视频

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

The role of miR-335-5p in the redifferentiation of BRAF p.V600E thyroid cancers.

Molecular oncology·2026
Same author

Precision Medicine Through Network Language: Integrating Clinical Insight and Data Expertise.

Genes·2026
Same author

Artificial intelligence in oncology publishing: a systematic review and policy analysis of high-impact journals.

Frontiers in oncology·2026
Same author

ASGR2 and CLEC12A as Prognostically Relevant C-Type Lectin Hubs in Glioblastoma.

International journal of molecular sciences·2026
Same author

Temporal Patterns and Factors Associated with Early Termination in Phase 1 Clinical Trials for Solid Tumors.

Journal of the National Cancer Institute·2026
Same author

Network analysis predicts pembrolizumab response in advanced NSCLC with PD-L1 < 50.

Cancer cell international·2026
Same journal

Recenti progressi in medicina·2026
Same journal

Recenti progressi in medicina·2026
Same journal

Recenti progressi in medicina·2026
Same journal

Recenti progressi in medicina·2026
Same journal

Recenti progressi in medicina·2026
Same journal

Recenti progressi in medicina·2026
查看所有相关文章

科学领域:

  • 医学 医学 医学 医学 医学
  • 遗传学 是一个遗传学.
  • 计算生物学 计算生物学
  • 分子生物学分子生物学

背景情况:

  • 基因测序先进的向疗法,但揭示了理解复杂疾病的差距.
  • 复杂的疾病,如癌症和糖尿病是多因素的,并不明白.
  • 目前对疾病机制的理解是有限的,尽管基因组学取得了进展.

研究的目的:

  • 为突出跨学科合作的必要性超越人工智能 (AI) 在医学.
  • 强调人工智能与各种科学学科的整合,用于复杂疾病研究.
  • 倡导一种整体的方法来解开疾病的复杂性.

主要方法:

  • 促进遗传学,分子生物学,计算生物学和临床研究之间的合作.
  • 协同利用来自不同科学领域的专业知识和数据.
  • 整合人工智能 (AI) 与传统的生物和临床研究方法.

主要成果:

  • 发现了理解复杂多因素疾病的重大差距.
  • 展示了将人工智能与各种科学学科集成的潜力.
  • 强调需要对医学研究采取整体,协作式的方法.

结论:

  • 跨学科的合作对于推进对复杂疾病的理解至关重要.
  • 将人工智能与遗传学和分子生物学等领域相结合,是克服当前局限性的关键.
  • 一种协同的方法有望改善复杂疾病的诊断,治疗和患者的治疗结果.