澳科大人工智能交叉应用研究院在Nature Reviews Cancer
发表综述：AI推动肿瘤多组学与临床数据融合迈向系统智能时代
澳门科技大学人工智能交叉应用研究院院长张康讲座教授团队近日在国际权威综述期刊Nature Reviews Cancer（影响因子：66.8）发表综述，系统提出：AI驱动的肿瘤多组学与临床数据融合。文章指出，肿瘤研究正由传统的单一指标分析，逐步转向多模态整合与系统级认知，为精准诊断、风险分层、疗效预测和个体化干预提供了新的方法学框架。
论文
癌症是一类跨尺度、跨模态的复杂疾病。单一组学或单一临床指标，往往难以完整揭示肿瘤发生发展过程中的多层次生物学变化。该文以全景式框架展示了精准肿瘤学的数据基础：基因组、表观组、转录组、蛋白组、代谢组以及空间多组学，与电子病历、病理图片、医学影像临床数据共同构成多维数据体系，而人工智能则成为贯通这些信息、实现系统整合的关键技术枢纽。
肿瘤多组学数据
AI与多组学融合的意义并不局限于提升某一项预测任务的准确率，而在于重塑癌症研究与临床决策的逻辑链条。该综述系统归纳了这一体系在分子驱动机制识别、无创诊断、精准风险分层、治疗响应预测、预后评估以及主动监测等方面的代表性进展，显示AI正在把原本分散的数据资源转化为可解释、可验证、可转化的医学知识。
面向未来，文章进一步提出了「肿瘤数字孪生」的概念框架。通俗而言，数字孪生就像患者在数字世界中的「镜像模型」，可以提前模拟病情走向和治疗反应。具体方法是：基于大规模患者队列训练疾病潜在空间模型，再将单个患者的多模态数据映射其中，生成可持续更新的个体化数字模型，用于模拟疾病演进、预测治疗反应并评估长期结局。这一框架意味着，精准医学正从传统的「分层治疗」进一步迈向「个体模拟」和「动态预测」。
数字孪生
在更宏观的层面，该文进一步勾勒出「AI驱动的肿瘤多组学闭环」——从真实世界临床与分子数据出发，经由AI发现规律、提出假设、进入临床验证，再将新生成的数据反馈给模型，形成持续迭代的科研—临床协同体系。这一图景所指向的，已不仅是技术层面的升级，更是肿瘤研究组织方式、知识生产方式和临床转化路径的深层重构。
AI驱动的肿瘤多组学研究闭环
文章同时指出，高质量多组学数据获取、跨中心泛化能力、前瞻性临床验证以及可解释性和伦理规范，仍是这一领域走向广泛临床应用必须跨越的关键门槛。但可以预见，人工智能正推动肿瘤学从「看见更多数据」走向「理解更深机制」，并为精准肿瘤学打开更具系统性、前瞻性和变革性的未来空间。
张康讲座教授认为，这篇综述的意义不仅系统性总结了AI赋能多组学与临床数据融合的最新进展，更重要的是为未来精准肿瘤学提供了清晰的发展路线：以高质量数据为基础，以可解释、可验证的AI模型为核心，以临床转化为导向，形成持续迭代的研究闭环。
