迈向基于 AI 的精准肿瘤学：基于多组学数据的个性化反事实治疗建议机器学习框架

AI 驱动的精准肿瘤学具有变革潜力，可利用 AI 模型分析复杂患者特征与其相应治疗结果之间的相互作用，从而重塑癌症治疗。新技术平台促进了以空前分辨率及时获取肿瘤生物学的多模态数据，例如单细胞多组学数据，使得此类质量和数量的数据可用于数据驱动的临床决策改进。在本工作中，我们提出了一种模块化机器学习框架，旨在基于集成训练于多样化多组学技术的机器学习专家，提供个性化的反事实癌症治疗建议。这些针对每种技术的专用反事实专家被一致聚合成一个具有更优性能的更强大专家，并能提供决策的置信度及解释。该框架旨在解决数据驱动癌症研究中固有的关键挑战，包括数据的高维性质以及回顾性观察数据中存在的治疗分配偏差。该框架通过使用卵巢癌患者队列的体外和体内治疗反应数据进行了全面演示。我们的方法旨在赋予临床医生一个以现实为中心的决策支持工具，包括经过校准置信度的概率性治疗建议以及针对个体癌症患者多组学特征量身定制治疗的个性化解释。