精密腫瘍学の進歩のためのマルチモーダルデータ統合の利用【JST・京大機械翻訳】

Boehm Kevin M.; Khosravi Pegah; Vanguri Rami; Gao Jianjiong; Shah Sohrab P.

文献

J-GLOBAL ID：202202231404942335 整理番号：22A0624005

精密腫瘍学の進歩のためのマルチモーダルデータ統合の利用【JST・京大機械翻訳】

Harnessing multimodal data integration to advance precision oncology

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0624005&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0624005&from=J-GLOBAL&jstjournalNo=W1368A") }}

著者 (5件)： , , , ,
資料名：
巻： 22 号： 2 ページ： 114-126 発行年： 2022年
JST資料番号： W1368A ISSN： 1474-175X 資料種別：逐次刊行物 (A)
記事区分：文献レビュー発行国：ドイツ (DEU) 言語：英語 (EN)

定量的バイオマーカー開発の進歩は,癌患者に対するデータ駆動洞察の新しい形態を加速した。しかし,ほとんどのアプローチは,データの単一モードに限られており,比較的開発途上の様式を通して統合アプローチを残す。先進分子診断,放射線学的および組織学的イメージングのマルチモーダル統合およびタラ化臨床データは,ゲノム学および標準分子技術を超える精度の腫瘍学を進歩させる機会を提供する。しかしながら,ほとんどの医療データセットは,現代の機械学習技術の訓練のためには,まだあまりにまばらであり,そして,これが再投薬される前に,大きな課題が残っている。データ工学の共同努力,不均一データの分析のための計算法,および生物医学研究における相乗的データモデルの即時化が成功のために必要とされる。この展望において,著者らは,新しいマルチモーダル人工知能手法によるデータの補完的モダリティの合成に関する意見を提供した。この方向に沿う進歩は,今後10年間における精度の分野を推進するためのマルチモーダルバイオマーカーの想像されたクラスをもたらすであろう。この展望は,分子診断,放射線学的および組織学的イメージングおよびタラ化臨床データを含む複数の様式からのデータが,癌患者の予後および治療管理を進めるために,マルチモーダル機械学習モデルによって統合されるべきであることを提唱する。Copyright Springer Nature Limited 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

腫ようの化学・生化学・病理学 , 基礎腫よう学一般 , 腫ようの診断

, ,

前のページに戻る