单细胞技术的出现为以单细胞分辨率研究组学特征提供了强大的解决方案,它可以捕获bulk omics数据无法获取的生物信息。随着各种单细胞组学技术的进步,现在可以生成多模态数据来回答各种生物学问题,例如肿瘤内异质性、肿瘤微环境重编程、转移传播和治疗耐药性。因此,单细胞组学技术有可能改善癌症医学的几个领域,包括早期检测、诊断和风险分层、无创监测和药物靶点发现。
作为医学影像学的两个主要分支,病理学和放射学在不同的生物学尺度上描述了肿瘤的不同特征。目前大多数食品和药物管理局批准的临床肿瘤学AI应用程序主要用于解析医学影像数据。医学成像领域的快速发展促使人们需要研究图像特征、分子特征和临床结果之间的关联。最近放射基因组学的出现加速了医学成像和基因组学技术的融合,这通过研究成像特征和基因组模式之间的相关性来扩展放射组学方法。放射基因组学为疾病进展和治疗反应的潜在机制提供了见解,同时允许生物标志物的发现,以无创的方式进行精确诊断和管理。目前已探索了人工智能策略,将成像特征集成到多组学数据源中,并为医学研究开辟了新方向。
大量证据强调微生物群在癌症中的关键作用,微生物组已成为癌症研究中越来越受关注的领域。其他诊断方式,例如游离DNA (cfDNA) 分析和临床实验室系列测试,可提供纵向数据信息以监测肿瘤进展。此外,作为补充数据源的临床数据可以为诊断提供有意义的信息。人工智能驱动的多组学和多模态数据综合分析可以通过从复杂数据中提取知识来阐明研究结果,从而为患者定制治疗提供新的机会。