临床癌症检测中的深度学习应用:对实施挑战和解决方案的审查
Isaiah Z Yao1, Min Dong1, William Y K Hwang2,3
1Hwa Chong Institution, Junior College Section, Singapore.
Mayo Clinic proceedings. Digital health
|August 18, 2025
概括
深度学习 (DL) 显著提高了癌症检测和治疗结果. 解决数据质量和可解释性等挑战是其临床整合和推进个性化瘤学的关键.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 深度学习 (DL) 在提高癌症检测准确性,速度和可访问性方面显示出显著的希望.
- DL的应用包括基于成像的诊断和基因组分析,影响患者的治疗结果和死亡率.
研究的目的:
- 综合审查最近 (2018-2024) 关于DL在瘤学中的应用,机遇和挑战的研究.
- 探索将DL纳入临床实践的新兴解决方案.
主要方法:
- 对PubMed的1304项研究和IEEE Xplore的115项研究进行了系统审查.
- 在癌症研究中分析当前的DL应用,挑战和新出现的解决方案.
主要成果:
- DL在瘤学中提供了变革性的潜力,提高了诊断精度和患者治疗.
- 关键的挑战包括数据质量,标准化,伦理/监管问题以及模型可解释性.
结论:
- 新兴的解决方案,如联合学习,可解释的人工智能和合成数据生成,可以解决DL集成障碍.
- 跨学科合作和多式联络数据方法对于通过DL推进个性化癌症护理至关重要.


