Artificial intelligence for multimodal data integration in oncology.
Artificial intelligence for multimodal data integration in oncology.
复制标题
人工智能用于肿瘤学中的多模态数据整合。
DOI：
10.1016/j.ccell.2022.09.012
复制
发表时间：
2022-10-10
期刊：
影响因子：
50.3
通讯作者：
Mahmood, Faisal
中科院分区：
文献类型：
--
作者：
Lipkova, Jana;Chen, Richard J.;Chen, Bowen;Lu, Ming Y.;Barbieri, Matteo;Shao, Daniel;Vaidya, Anurag J.;Chen, Chengkuan;Zhuang, Luoting;Williamson, Drew F. K.;Shaban, Muhammad;Chen, Tiffany Y.;Mahmood, Faisal
在肿瘤学领域，患者状态由一系列多样的模态来表征，涵盖从放射学、组织学、基因组学到电子健康记录等，每种模态都能提供更多的见解。然而，当前的人工智能模型主要在单一模态领域发挥作用，忽视了更广泛的临床背景，这不可避免地限制了其潜力。整合不同的数据模态为提高诊断和预后模型的稳健性与准确性提供了契机，使人工智能更贴近临床实践。与此同时，人工智能模型能够发现适用于解释患者预后差异或治疗耐药性的模态内及跨模态的新模式。从这些模型中获得的见解可指导探索性研究，并有助于发现新的生物标志物和治疗靶点。为推动这些进展，我们在此概述用于多模态数据融合的人工智能方法与策略。我们勾勒出实现人工智能可解释性的途径，以及通过多模态数据互联进行人工智能驱动探索的方向。我们审视临床应用面临的挑战，并探讨可能出现的解决方案。
In oncology, the patient state is characterized by a whole spectrum of modalities, ranging from radiology, histology, genomics to electronic-health records, each one providing additional insights. Current AI models, however, operate mainly in the realm of single modality, neglecting the broader clinical context, which inevitably diminishes their potential. Integration of different data modalities provides opportunities to increase robustness and accuracy of diagnostic and prognostic models, bringing AI closer to clinical practice. At the same time, AI models are capable of discovering novel patterns within and across modalities suitable for explaining differences in patient outcomes or treatment resistance. The insights gleaned from such models can guide exploration studies and contribute to the discovery of novel biomarkers and therapeutic targets. To support these advances, here we present a synopsis of AI methods and strategies for multimodal data fusion. We outline approaches for AI interpretability and directions for AI-driven exploration through multimodal data interconnections. We examine challenges towards clinical adoption and discuss possible emerging solutions.
登录
查看更多内容
影响因子：
3.7
作者：
Blüthgen C;Patella M;Euler A;Baessler B;Martini K;von Spiczak J;Schneiter D;Opitz I;Frauenfelder T
通讯作者：
Frauenfelder T
影响因子：
4.6
作者：
Alsinglawi B;Alshari O;Alorjani M;Mubin O;Alnajjar F;Novoa M;Darwish O
通讯作者：
Darwish O
影响因子：
78.8
作者：
Bera, Kaustav;Schalper, Kurt A.;Madabhushi, Anant
通讯作者：
Madabhushi, Anant
DOI：
10.1038/s41568-021-00408-3
发表时间：
2022-03
期刊：
Nature reviews. Cancer
影响因子：
--
作者：
Boehm KM;Khosravi P;Vanguri R;Gao J;Shah SP
通讯作者：
Shah SP
影响因子：
8
作者：
Carbonneau, Marc-Andre;Cheplygina, Veronika;Gagnon, Ghyslain
通讯作者：
Gagnon, Ghyslain