对基因组学和组织病理学深度学习进行系统分析,用于精确瘤学

科学领域:

• 在瘤学瘤学.
• 计算生物学 计算生物学
• 医疗成像医学成像

背景情况:

• 深度学习 (DL) 被广泛应用于从数字化组织病理幻灯片和固体瘤中的基因组数据中提取见解.
• 最近的进展包括处理图像和基因组数据的多式联网DL模型,以提高性能.
• 然而,这些DL方法在不同癌症类型和临床环境中缺乏一致的应用.

研究的目的:

• 系统地调查和量化DL在癌症研究中的应用,重点关注病理学,基因组学和多模式方法.
• 从2010年到2023年11月,分析DL应用类型 (基本与高级) 和癌症组织焦点的趋势.

主要方法:

• 从2010年到2023年11月进行了一次系统的文献审查.
• 选了3048个出版物,产生了534篇相关的文章进行分析.
• 文章的评价是根据申请类型,出版年份和研究的癌症组织进行的.

主要成果:

• 与基因组学相比,DL主要应用于病理学,在两个领域都有显著增加.
• 专注于病理学的DL识别出组织学特定的模式,而基因组学DL通常是泛癌.
• 多模式DL正在出现,但仍然是一个利基,主要用于预测预后.

结论:

• DL已在组织病理学中建立,并越来越多地集成到基因组和多式联络应用中.
• 多模式DL对先进的任务具有显著的潜力,例如药物反应预测.
• 需要进一步的研究来解决目前的差距,并加强DL在癌症研究中的应用.