Глубокое обучение в диагностике рака, прогнозировании и выборе лечения

Глубокое обучение — это подсектор искусственного интеллекта, использующий метод машинного обучения, называемый искусственными нейронными сетями, для извлечения закономерностей и построения прогнозов на основе больших наборов данных. Растущее внедрение глубокого обучения в разных областях здравоохранения вместе с наличием высокохарактеризованных онкологических наборов данных ускорило исследования полезности глубокого обучения для анализа сложной биологии рака. Несмотря на обнадёживающие ранние результаты, это быстро развивающаяся область, в которой появляются новые знания как в онкобиологии, так и в глубоких нейронных методах. В настоящем обзоре мы даём обзор новых методов глубокого обучения и их применения в онкологии. Мы фокусируемся на приложениях глубокого обучения к омным типам данных, включая геномные, данные о метилировании и транскриптомные данные, а также на выводе геномной информации на основе гистопатологии, и рассматриваем подходы к интеграции различных типов данных для разработки инструментов поддержки принятия решений. Приводятся конкретные примеры применения глубокого обучения в диагностике рака, прогнозировании и управлении лечением. Мы также оцениваем текущие ограничения и проблемы применения глубокого обучения в прецизионной онкологии, включая нехватку фенотипически насыщенных данных и необходимость более объяснимых моделей глубокого обучения. Наконец, мы обсуждаем, каким образом текущие препятствия могут быть преодолены для обеспечения будущего клинического применения глубокого обучения.