来源：智能肿瘤学
近期，AAAS Fellow、IEEE Fellow、中国科学院自动化研究所田捷教授团队于Intelligent Oncology发表了题为“Multi-omics synergy in oncology: Unraveling the complex interplay of radiomic, genoproteomic, and pathological data”的大型综述文章。该综述聚焦多组学跨模态整合技术在智能肿瘤学中的应用，重点关注影像组学、基因蛋白质组学和病理组学数据整合技术及其在癌症诊疗中的应用与潜力。文章还分析了多模态数据整合面临的挑战，如标准化和可解释性问题，并提出解决路径。多组学整合为个性化诊疗、标志物发现及新药研发提供了重要方向，推动智能肿瘤学的发展。
英文题目：
Multi-omics synergy in oncology: Unraveling the complex interplay of radiomic, genoproteomic, and pathological data
文章作者：
Yang Luo, Yilin Li, Mengjie Fang, Shuo Wang, Lizhi Shao, Ruiyang Zou, Di Dong, Zhenyu Liu, Jingwei Wei, Jie Tian
多组学整合的核心
影像组学：从影像数据中提取高维特征，评估肿瘤异质性和治疗反应，支持精准诊断与预测模型。
基因蛋白质组学：研究基因与蛋白质的结构和功能，揭示癌症分子机制与耐药路径，助力生物标志物发现和精准治疗。
病理组学：运用数字病理技术与人工智能分析全切片影像，提供微观组织与细胞形态信息，支持分子分型和预后评估。
多组学技术的应用亮点
诊断与分型：结合影像、基因和病理数据，提高肿瘤分类与分型的准确性。
预后与疗效评估：开发模型预测治疗响应（如免疫治疗、靶向治疗），优化治疗决策。
个性化医学：综合多组学数据，为患者制定个性化治疗方案，提升疗效并降低副作用。
责任编辑：肿瘤资讯-DLF
排版编辑：肿瘤资讯-Z Y
版权声明
本文仅供专业人士参看，文中内容仅代表智能肿瘤学立场与观点，不代表肿瘤资讯平台意见，且肿瘤资讯并不承担任何连带责任。若有任何侵权问题，请联系删除。
苏公网安备32059002004080号
