利用人工智能在多模式OMIC数据集成:铺平了准确医学下一个前沿的道路
Yonghyun Nam1, Jaesik Kim2,3, Sang-Hyuk Jung1
1Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania, Philadelphia, Pennsylvania, USA;
Annual review of biomedical data science
|May 20, 2024
概括
将多学科数据与电子健康记录集成,可以提供关于疾病的整体观点. 先进的人工智能,包括大型语言模型,将推动准确医学领域的未来发现.
科学领域:
- 生物医学研究生物医学研究
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 与电子健康记录 (EHR) 集成的Multiomics数据提供了对复杂的生物系统和疾病途径的全面洞察.
- 这种方法代表了范式的转变,朝着更全面的健康和疾病的理解迈进.
研究的目的:
- 审查当前的多式联运电信数据集成方法的现状.
- 探索这些整合的变革潜力,以了解复杂的生物系统.
- 突出人工智能,特别是大型语言模型在推动数据集成方面的新兴作用.
主要方法:
- 审查现有关于多学科数据整合策略的文献.
- 探索基于连接,基于转换和基于网络的集成方法.
- 讨论从种群生物库到单细胞奥米克分析的应用.
主要成果:
- 确定了各种可靠的方法来整合各种各样的omics数据类型.
- 通过综合数据证明了通过综合数据全面了解生物系统的潜力.
- 突出了大型语言模型对未来数据集成的预期影响.
结论:
- 多态学和EHR集成对于推进生物医学研究和精准医学至关重要.
- 需要复杂的集成模型来克服当前的障碍,并释放突破性的发现.
- 需要共同努力来制定和实施先进的整合战略.
关键词:
生物银行生物银行图像成像的表型.纵向分析是一种纵向分析.机器学习是机器学习.多式联运数据整合多种omics数据集成数据集成.精准医学是一门精准医学.风险评估 风险评估 风险评估单细胞的奥米克.更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.0K
07:47Author Spotlight: Unveiling Transmembrane Protein Family-Related Markers in Gastric Cancer and Implications for Targeted Therapies
Published on: September 15, 2023
1.5K
