《Cancer Treatment and Research Communications》：Integrative Multi-Omics and Machine Learning/Deep Learning Approaches in Cancer Knowledge Discovery: A Scoping Review
编辑推荐：
人工智能在医学领域，特别是癌症研究中的应用兴趣正在增长。机器学习（ML）和深度学习（DL）方法已经彻底改变了肿瘤学（oncology）中的数据分析。整合多组学（multiomics），如转录组学（transcriptomics）、基因组学（genomics）或
人工智能在医学领域，特别是癌症研究中的应用兴趣正在增长。机器学习（ML）和深度学习（DL）方法已经彻底改变了肿瘤学（oncology）中的数据分析。整合多组学（multiomics），如转录组学（transcriptomics）、基因组学（genomics）或蛋白质组学（proteomics），为理解癌症的复杂性和识别新的治疗策略提供了独特的机会。这项范围综述（scoping review）旨在评估当前关于多组学整合（multiomics integration）的文献中各种方法的有效性。它侧重于描述模型、方法，以及应用ML/DL发现癌症新见解，并识别关键主题和知识空白，以阐明涵盖56项纳入研究的现有文献。这些研究强调了用于预测预后（prognostic）或诊断（diagnostic）变量、癌症亚型分类（subtyping）和分类（classification）任务的方法或途径。分析显示，所选设计和数据类型存在显著多样性，使得研究之间的比较变得困难。这些研究强调了多组学整合在预测临床结果和分类亚型中的关键作用，从而推进了我们对癌症的理解。这项范围综述总结并分析了现有的方法，强调了需要进一步标准化用于预测和亚型分类的整合方法。
**INTRODUCTION**
癌症是全球面临的重大健康挑战，发病率和死亡率持续上升，尤其在发展中国家。精准医学和高通量技术的进步促进了多组学（multiomics）数据的产生，包括基因组学（genomics）、转录组学（transcriptomics）、蛋白质组学（proteomics）和代谢组学（metabolomics）。单一组学分析虽能识别特定生物标志物，但难以全面揭示癌症的复杂性。整合多组学数据能够提供更全面的生物学理解，揭示分子相互作用和疾病机制。机器学习（machine learning, ML）和深度学习（deep learning, DL）方法在癌症研究中广泛应用，用于早期检测、药物反应预测、诊断和预后评估。深度学习方法如自动编码器（autoencoders）、生成对抗网络（generative adversarial networks, GANs）和图卷积网络（graph convolutional networks, GCNs）在提取线性和非线性关系方面具有优势，但面临可解释性挑战。可解释人工智能（explainable artificial intelligence, XAI）方法如SHAP（Shapley additive explanations）和LIME（local interpretable model-agnostic explanations）有助于提升模型透明度。本范围综述旨在评估ML/DL在多组学整合分析中的有效性，识别关键主题和研究空白，并回答三个研究问题：最常整合的多组学数据类型、最常用的ML/DL技术，以及整合分析的关键发现和应用。
**METHODS**
**Protocol and registration**
本范围综述遵循PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）扩展指南，采用探索性方法，不评估研究质量，而是映射关键概念和识别研究空白。
**Eligibility criteria**
筛选过程排除包含单一组学数据或系统综述的文章。纳入标准基于PCC（Population, Concept, Context）框架，包括人类癌症患者、多组学数据与ML/DL应用、以及2018至2024年间发表的同行评审英文文章。
**Information sources**
检索了PubMed、ScienceDirect、SpringerLink和Google Scholar等数据库，未限制出版状态或语言，旨在全面覆盖AI与医疗领域文献。
**Search query**
检索策略结合了多组学（multi-omics）、机器学习（machine learning）、深度学习（deep learning）、优化（optimization）和癌症（cancer）等核心概念，使用布尔运算符。最终PubMed查询包含多个术语，初始检索（2018-2023）获得11,161条记录，2025年重新运行后得到667,834条，反映文献的快速增长。
**Selection of sources of evidence**
通过系统化流程筛选证据：在四个数据库中进行检索，去除重复后，分两阶段筛选（标题/摘要和全文）。根据PCC框架设定纳入标准，最终纳入70篇文章，涵盖统计方法、机器学习、网络方法和可解释人工智能（XAI）技术。
**Data charting process and items**
数据提取包括研究详情（作者、年份、期刊）、描述（目标、模型名称）、技术（AI方法、算法、指标）和数据（人群、癌症类型、多组学数据类型、样本量），以及结果（关键发现、空白）。由合著者独立进行数据提取以确保一致性。
**RESULTS**
**Selection of sources of evidence**
初始检索共获得669,919篇出版物，自动排除570,611篇，去重后剩余97,101篇，通过标题和摘要排除96,794篇，全文评审307篇，最终纳入70篇符合条件的研究。这些研究采用多种整合策略，包括统计方法、机器学习、网络方法和可解释人工智能（XAI）技术。PRISMA流程图详述了筛选过程。
**Characteristics of sources of evidence**
纳入研究涵盖不同国家和方法学，主要来自中国（34篇，49%）、美国（17篇，24%）和韩国（4篇，6%），表明高收入国家资源集中。研究按目标分类：预后预测（prognosis prediction，27篇，39%）、生物标志物发现（biomarker discovery，19篇，27%）、诊断预测（diagnosis prediction，6篇，9%）和癌症亚型发现（cancer subtyping discovery，18篇，26%）。常见方法包括自动编码器（autoencoders）、图卷积网络（graph convolutional networks, GCNs）、生成对抗网络（generative adversarial networks, GANs）和注意力机制（attention mechanisms）。多组学整合最常见组合为基因组学（genomics）、表观基因组学（epigenomics）和转录组学（transcriptomics），占18%的研究，其次为转录组学和表观基因组学（15%）。数据分布显示DNA甲基化（DNA methylation）占50%，拷贝数变异（copy number variation, CNV）和拷贝数改变（copy number alteration, CNA）占49%，RNA测序（RNA-seq）占49%，miRNA测序（miRNA-seq）占47%，mRNA测序（mRNA-seq）占44%，体细胞突变（somatic mutation）占30%。单细胞多组学（single-cell multiomics）虽然较少，但日益受到关注。技术分布方面，自动编码器方法最常用（21%），其次是网络方法（network-based）、机器学习方法（ML-based）、统计方法（statistical-based）、聚类方法（clustering-based）、对抗方法（adversarial-based）、注意力方法（attention-based）、自然语言处理方法（NLP-based）、深度学习方法（DL-based）、核方法（kernel-based）和自监督方法（self-supervised-based）。示例研究包括CSAM-GAN用于预后分层、MCluster-VAEs用于亚型发现、以及DeePathNet用于提高模型可解释性。
**DISCUSSION**
本范围综述系统总结了多组学整合分析在癌症研究中的现状，强调从单一组学向多组学方法的转变。多数研究聚焦于预后预测，使用集成机器学习和自动编码器模型提高准确性。生物标志物发现占27%，整合分析揭示了乳腺癌和肺癌的新候选标志物。局限性包括：数据集样本量小导致过拟合和泛化性差；验证实践不一致，缺乏外部验证；深度学习模型可解释性不足，阻碍临床转化。越来越多的研究应用可解释人工智能（XAI）方法，如注意力机制和特征归因技术（SHAP、集成梯度），以增强透明度和生物学可解释性。本范围综述的局限性包括：范围综述不进行详细质量评估；筛选和提取阶段可能存在选择偏倚；仅关注癌症研究中的多组学整合，可能排除传统分析方法或医学影像数据。未来研究应整合多模态数据（如放射组学、数字病理学）以全面理解肿瘤异质性和改善临床决策。
