综述：基于人工智能的放射基因组学：通过影像技术驱动癌症分子与细胞特征的诊断与发现

AI驱动的放射基因组学整合影像与分子数据，用于癌症机制解析，涵盖特征提取、多癌种应用及未来趋势，同时探讨数据标准化和伦理挑战。

　　

摘要

放射基因组学将放射影像特征与分子和细胞数据无缝整合，提供了一种强大且无创的方法来揭示癌症的生物学本质。近年来，人工智能（AI），包括机器学习和深度学习技术，通过自动化提取高维定量影像特征并实现其与多组学数据的稳健关联，彻底改变了放射基因组学的研究方式。本综述总结了AI驱动的放射基因组学的最新进展，重点关注其临床应用价值、分子和细胞层面的见解，以及基于临床化学原理的实验室诊断意义。我们探讨了从传统影像学向数据驱动的多组学整合框架的历史演变过程，并强调了AI方法（如卷积神经网络、生成对抗网络、变换器）在特征提取和综合建模中的广泛应用，特别是在乳腺癌、肺癌、脑癌和前列腺癌等主要癌症类型中的案例。通过借鉴最新的同行评审研究和开放获取的多机构合作项目的成果，我们展示了AI支持的放射基因组学如何有助于发现基因组改变的影像替代指标、肿瘤异质性以及肿瘤微环境的相关信息。同时，我们也深入分析了数据协调、标准化、伦理考量以及跨人群验证等挑战。最后，我们讨论了未来的发展趋势，包括空间转录组学整合、联邦学习以及多组学AI模型，强调了放射基因组学在精准肿瘤学和实验室工作流程中的变革潜力。越来越多的证据表明，AI驱动的放射基因组学在非侵入性生物标志物发现、治疗反应预测和实时疾病监测方面具有巨大潜力，为个性化癌症管理奠定了基础。