在基于人工智能的癌症研究中整合多态和医学成像:融合策略和应用的综合性审查
Ahmed Al Marouf1, Jon George Rokne1, Reda Alhajj1,2,3
1Department of Computer Science, University of Calgary, Calgary, AB T2N 1N4, Canada.
Cancers
|November 27, 2025
概括
将多学科数据与医学成像和人工智能相结合,提高了精确的瘤学. 本综述总结了用于改进癌症识别,预后和治疗预测的融合策略,强调了未来临床整合的研究需求.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 医疗成像医学成像
背景情况:
- 精确瘤学通过整合多组学 (基因组学,转录组学,表观组学) 与医学成像学 (PET,CT,MRI,组织病理学) 的进展.
- 多模式数据融合旨在改善癌症的识别,分类,预后和治疗预测.
- 这一研究领域正在迅速发展,来自各种研究人员的重大贡献.
研究的目的:
- 提供对现有审查和元分析的综合审查,以融合成像模式与omics数据和人工智能.
- 总结最先进的融合策略 (早期,晚期,混合) 以及它们在瘤学中的应用.
- 确定将多模式研究转化为临床实践的挑战和未来方向.
主要方法:
- 在多个数据库 (PubMed,Scopus,科学网,Dimensions.ai) 中,系统地搜索到2025年5月25日的评论文章.
- 遵守PRISMA系统审查指南,并注册在PROSPERO (CRD420251062147) 上.
- 包括和排除标准适用于最初确定的56篇文章,导致总体审查的21项研究.
主要成果:
- 该评论分析了各种癌症类型的突出的融合技术,强调了机器学习的作用.
- 早期,晚期和混合融合策略在瘤分类,预后和治疗预测方面的优缺点被评估.
- 发现的关键挑战包括平衡模型通用性与临床翻译的可解释性.
结论:
- 未来的研究应该专注于为瘤学中的多模式AI模型建立更清晰的验证标准.
- 人类临床医生与人工智能系统的整合对于有效的临床实施至关重要.
- 解决对癌症护理人工智能的信任缺陷需要更标准化的开发和验证方法.
