在结直肠癌中对整个幻灯片图像进行多式分析

科学领域:

• 在瘤学瘤学.
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 多模式模型整合了各种数据类型,如数字病理学,放射学,临床信息和用于增强结直肠癌 (CRC) 护理的omics.
• 系统审查对于评估新兴技术及其临床实用性至关重要.

研究的目的:

• 在CRC中批判性地评估多式联络数字病理学技术.
• 评估它们的性能,并与基础模型进行比较.
• 为CRC确定多式联运数据集成方面的挑战和未来方向.

主要方法:

• 在PubMed,科学网,Scopus和IEEE Xplore (2014年1月至2024年8月) 进行系统的文献搜索.
• 选了1601项已识别的研究,其中22项符合条件的研究使用纽卡斯尔-太华规模评估了质量和偏差.
• 分析重点是数据集成,性能指标以及与单模和基础模型的比较.

主要成果:

• 大多数研究都整合了多种数据模式,以提高CRC的诊断准确性和生存预测.
• 用各种数据融合技术来提取新的特征.
• 在大多数审查的研究中,缺乏外部验证.
• 多模式方法显示出高于单模式模型的性能.

结论:

• 多模式模型通过整合各种数据源,在结直肠癌治疗中提供了显著的优势.
• 关键的挑战包括数据集构建,数据异质性,时间对齐,模式权重和可解释性.
• 需要进一步的研究来应对这些挑战,以确保稳健的临床实施.