在非小细胞肺癌生物标志物发现方面,AI/ML取得了进展
Minal Çalışkan1, Koichi Tazaki2
1Translational Science Department, Precision Medicine Function, Daiichi Sankyo, Inc., Basking Ridge, NJ, United States.
Frontiers in oncology
|December 27, 2023
概括
这项研究审查了215篇关于人工智能/机器学习 (AI/ML) 的文章,以发现非小细胞肺癌 (NSCLC) 生物标志物. 它对发现进行了目录,并确定了趋势,以帮助AI/ML衍生生物标志物的临床采用.
科学领域:
- 在瘤学瘤学.
- 生物标志物发现发现
- 人工智能在医学中的应用
背景情况:
- 肺癌是全球癌症死亡的主要原因之一.
- 向治疗改善了非小细胞肺癌 (NSCLC) 患者的治疗结果,这些患者具有特定的生物标志物.
- 尽管取得了进展,但NSCLC的长期存活率仍然很低,这凸显了需要改进诊断和治疗策略的需要.
研究的目的:
- 系统地审查和目录使用人工智能/机器学习 (AI/ML) 进行非小细胞肺癌 (NSCLC) 生物标志物发现的研究.
- 识别AI/ML驱动的NSCLC生物标志物研究中的新兴模式和趋势.
- 提供一个全面的资源,以促进AI/ML衍生的生物标志物在NSCLC的临床采用.
主要方法:
- 采用文本挖掘方法来确定相关研究.
- 215项研究报告了使用AI/ML算法识别的潜在NSCLC生物标志物.
- 研究根据BEST (生物标志物,终点S和其他工具) 生物标志物亚型进行分类.
主要成果:
- 总共有215项利用AI/ML进行NSCLC生物标志物发现的研究被确定并编目.
- 总结了针对NSCLC的AI/ML驱动生物标志物发现的新兴模式和趋势.
- 该综述提供了当前在NSCLC生物标志物研究中的AI/ML应用的结构化概述.
结论:
- 人工智能/ML对促进NSCLC生物标志物发现具有重大前景.
- 对AI/ML应用的全面理解对于临床翻译至关重要.
- 这种目录和趋势分析可以指导未来的研究,并加速在NSCLC患者护理中采用AI/ML衍生的生物标志物.
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
07:59Author Spotlight: Advancements in Molecular Biomarker Testing for Non-Squamous Non-Small Cell Lung Cancer
Published on: September 8, 2023
1.1K
