澳科大人工智能交叉應用研究院在Nature Reviews Cancer
發表綜述：AI推動腫瘤多組學與臨床數據融合邁向系統智能時代
澳門科技大學人工智能交叉應用研究院院長張康講座教授團隊近日在國際權威綜述期刊Nature Reviews Cancer（影響因子：66.8）發表綜述，系統提出：AI驅動的腫瘤多組學與臨床數據融合。文章指出，腫瘤研究正由傳統的單一指標分析，逐步轉向多模態整合與系統級認知，為精準診斷、風險分層、療效預測和個體化干預提供了新的方法學框架。
論文
癌症是一類跨尺度、跨模態的複雜疾病。單一組學或單一臨床指標，往往難以完整揭示腫瘤發生發展過程中的多層次生物學變化。該文以全景式框架展示了精準腫瘤學的數據基礎：基因組、表觀組、轉錄組、蛋白組、代謝組以及空間多組學，與電子病歷、病理圖片、醫學影像臨床數據共同構成多維數據體系，而人工智能則成為貫通這些信息、實現系統整合的關鍵技術樞紐。
腫瘤多組學數據
AI與多組學融合的意義並不局限於提升某一項預測任務的準確率，而在於重塑癌症研究與臨床决策的邏輯鏈條。該綜述系統歸納了這一體系在分子驅動機制識別、無創診斷、精準風險分層、治療響應預測、預後評估以及主動監測等方面的代表性進展，顯示AI正在把原本分散的數據資源轉化為可解釋、可驗證、可轉化的醫學知識。
面向未來，文章進一步提出了「腫瘤數字孿生」的概念框架。通俗而言，數字孿生就像患者在數字世界中的「鏡像模型」，可以提前模擬病情走向和治療反應。具體方法是：基於大規模患者隊列訓練疾病潜在空間模型，再將單個患者的多模態數據映射其中，生成可持續更新的個體化數字模型，用於模擬疾病演進、預測治療反應並評估長期結局。這一框架意味著，精準醫學正從傳統的「分層治療」進一步邁向「個體模擬」和「動態預測」。
數字孿生
在更宏觀的層面，該文進一步勾勒出「AI驅動的腫瘤多組學閉環」——從真實世界臨床與分子數據出發，經由AI發現規律、提出假設、進入臨床驗證，再將新生成的數據反饋給模型，形成持續迭代的科研—臨床協同體系。這一圖景所指向的，已不僅是技術層面的升級，更是腫瘤研究組織方式、知識生産方式和臨床轉化路徑的深層重構。
AI驅動的腫瘤多組學研究閉環
文章同時指出，高質量多組學數據獲取、跨中心泛化能力、前瞻性臨床驗證以及可解釋性和倫理規範，仍是這一領域走向廣泛臨床應用必須跨越的關鍵門檻。但可以預見，人工智能正推動腫瘤學從「看見更多數據」走向「理解更深機制」，並為精準腫瘤學打開更具系統性、前瞻性和變革性的未來空間。
張康講座教授認為，這篇綜述的意義不僅系統性總結了AI賦能多組學與臨床數據融合的最新進展，更重要的是為未來精準腫瘤學提供了清晰的發展路綫：以高質量數據為基礎，以可解釋、可驗證的AI模型為核心，以臨床轉化為導向，形成持續迭代的研究閉環。
