New horizons at the interface of artificial intelligence and translational cancer research.
55 次引用引用上升
人工智能正日益成为分析多组学数据的计算策略应用于癌症研究。单细胞与空间 profiling 技术的进步显著加深了对肿瘤生物学的理解，人工智能方法现被用于加速转化研究，包括靶点发现、生物标志物识别、患者分层和治疗反应预测。然而，人工智能融入临床工作流程仍然有限，既带来挑战也带来机遇。本综述讨论人工智能在多组学分析和转化肿瘤学中的应用，强调其在推进生物学发现和为临床决策提供信息方面的作用。重点关注领域包括细胞异质性、肿瘤微环境相互作用和人工智能辅助诊断。综述探讨了可重复性、人工智能模型可解释性和临床整合等挑战，并关注应对这些障碍的策略。这些进展共同凸显了人工智能与多组学在提升精准肿瘤学和推动癌症护理进步方面的潜力。
查看扩展信息
完整作者
Josephine Yates、Eliezer M Van Allen
作者机构
- Department of Medical Oncology, Dana-Farber Cancer Institute, Boston, MA, USA; Institute for Machine Learning, Department of Computer Science, ETH Zürich, Zurich, Switzerland; ETH AI Center, ETH Zurich, Zurich, Switzerland; Swiss Institute for Bioinformatics (SIB), Lausanne, Switzerland.
- Department of Medical Oncology, Dana-Farber Cancer Institute, Boston, MA, USA; Cancer Program, Broad Institute of MIT and Harvard, Cambridge, MA, USA; Division of Medical Sciences, Harvard University, Boston, MA, USA; Parker Institute for Cancer Immunotherapy, Dana-Farber Cancer Institute, Boston, MA, USA. Electronic address: eliezerm_vanallen@dfci.harvard.edu.
技术路线
多组学数据集（单细胞与空间 profiling 数据） → AI 计算分析（细胞异质性、肿瘤微环境互作、靶点发现、生物标志物识别、患者分层、治疗反应预测、AI 辅助诊断）
最近 5 个完整年度引用趋势
不含 2026 年，仅展示最近 5 个完整年度。
数据来源：openalex更新时间：2026/10/29 12:33
为什么值得关注
暂未整理