人工智能在癌癥研究領(lǐng)域的文獻(xiàn)可視化分析

楊文靜，呂章艷，馮小雙，王維，任建松，池慧，杜然然

0 引言

人工智能（artificial intelligence,AI）是在計(jì)算機(jī)科學(xué)、神經(jīng)心理學(xué)等多學(xué)科基礎(chǔ)之上發(fā)展起來(lái)的一門綜合性交叉學(xué)科，在疾病診療等方面具有較多應(yīng)用場(chǎng)景[1]，癌癥是人工智能應(yīng)用的主要領(lǐng)域之一[2]。癌癥是危害我國(guó)人民健康的主要疾病之一[3]，如果可以利用人工智能技術(shù)探索癌癥的發(fā)生和發(fā)展，為癌癥的早期篩查、臨床診斷、精準(zhǔn)治療和生存預(yù)測(cè)等方面提供快速、有效、準(zhǔn)確的方法學(xué)手段，則可以某種程度上降低癌癥發(fā)生率和死亡率。為更好了解國(guó)際人工智能在癌癥研究領(lǐng)域的現(xiàn)狀和發(fā)展趨勢(shì)，通過(guò)檢索近10年人工智能在癌癥研究領(lǐng)域的文獻(xiàn)，繪制科學(xué)知識(shí)圖譜，發(fā)現(xiàn)人工智能在癌癥領(lǐng)域的研究熱點(diǎn)和前沿，以期為中國(guó)人工智能在癌癥研究中的應(yīng)用提供參考。

1 資料與方法

1.1 資料來(lái)源及檢索策略

以Web of Science（WOS）數(shù)據(jù)庫(kù)核心合集為數(shù)據(jù)源，分別收集相關(guān)檢索詞，討論并制定最終檢索策略具體檢索策略如下：（TS=("artificial* intelligence*"OR "deep learning" OR "machine learning" OR"Computer Vision" OR "Automatic Speech Recognition"OR "Natural Language process*”O(jiān)R“Neural Network”O(jiān)R“Knowledge Graph”)）AND (TS=("Cancer*" OR"Malignancy*" OR "carcinoma*"))。初步檢索完成后，按納入標(biāo)準(zhǔn)納入文獻(xiàn)。文獻(xiàn)篩選由兩組人員分別在網(wǎng)頁(yè)上進(jìn)行，核對(duì)并通過(guò)討論或通過(guò)第三組人員處理不一致意見(jiàn)。為避免數(shù)據(jù)庫(kù)更新引起的誤差，所有數(shù)據(jù)檢索、篩選及下載在2019年12月19日完成。

納入標(biāo)準(zhǔn)：（1）文獻(xiàn)發(fā)表時(shí)間為2010—2019年，包括在線優(yōu)先發(fā)表文獻(xiàn)；（2）文獻(xiàn)類型為“ARTICLE”；（3）文獻(xiàn)內(nèi)容與人工智能在癌癥領(lǐng)域應(yīng)用研究相關(guān)。排除標(biāo)準(zhǔn)：（1）會(huì)議論文、信件及評(píng)論等；（2）研究主題與人工智能在癌癥領(lǐng)域應(yīng)用研究無(wú)關(guān)文獻(xiàn)；（3）重復(fù)文獻(xiàn)，信息不完整文獻(xiàn)。將初步檢索獲得的文獻(xiàn)歸類、整理，共獲得文獻(xiàn)6 242篇。通過(guò)兩次篩查文獻(xiàn)，剔除重復(fù)文獻(xiàn)57篇；通過(guò)人工判讀文獻(xiàn)標(biāo)題和摘要，剔除與主題不相關(guān)的文獻(xiàn)35篇；通過(guò)文獻(xiàn)管理軟件查詢和分析功能，剔除19篇記錄信息不完整文獻(xiàn)，最終共獲得相關(guān)文獻(xiàn)6 131篇。

1.2 研究方法

1.2.1 統(tǒng)計(jì)分析 本研究采用Citespace5.5.R2軟件進(jìn)行分析，不同國(guó)家發(fā)表文章的質(zhì)量高低用文章被引頻率反映，被引頻率越高，文章質(zhì)量越高，文章被引頻率=文章被引次數(shù)/文章總數(shù)。在國(guó)家合作分布圖譜中，圓的輻射面積越大，合作頻次越高；國(guó)際合作中心度排名越高，合作的密切程度越高，影響力越大。高頻關(guān)鍵詞和高中心性關(guān)鍵詞分別通過(guò)關(guān)鍵詞的頻次和核心程度反映人工智能在癌癥研究領(lǐng)域的熱點(diǎn)。突現(xiàn)詞的歷史共現(xiàn)頻次反映人工智能在癌癥領(lǐng)域應(yīng)用研究的前沿。

1.2.2 參數(shù)設(shè)置 時(shí)間跨度（Time Span）設(shè)置為2010–2019年，選擇每一年為一個(gè)時(shí)間切片（time slice），共10個(gè)時(shí)間分段。網(wǎng)絡(luò)節(jié)點(diǎn)關(guān)聯(lián)強(qiáng)度選擇Cosine算法，設(shè)定時(shí)間片閾值為50，即數(shù)據(jù)抽取對(duì)象為前50（Top 50）。選擇最小生成樹(shù)精簡(jiǎn)算法（minimum spanning tree）對(duì)網(wǎng)絡(luò)修正裁剪，并且根據(jù)研究需要選擇相應(yīng)的節(jié)點(diǎn)類型，繪制相應(yīng)的科學(xué)知識(shí)圖譜。

2 結(jié)果

2.1 人工智能在癌癥研究領(lǐng)域應(yīng)用的研究現(xiàn)狀

自2010年以來(lái)全球圍繞人工智能在癌癥研究應(yīng)用領(lǐng)域的文獻(xiàn)呈現(xiàn)持續(xù)增長(zhǎng)的趨勢(shì)，尤其在2017—2019年間共發(fā)表文章3625篇，占近10年文章總數(shù)的59.13%，美國(guó)和中國(guó)在該領(lǐng)域研究的趨勢(shì)與世界整體發(fā)展趨勢(shì)保持一致，見(jiàn)圖1。

圖1 2010—2019年人工智能在癌癥研究領(lǐng)域發(fā)文量比較Figure 1 Comparison of amount of published articles about artificial intelligence in cancer research,2010-2019

對(duì)開(kāi)展人工智能在癌癥領(lǐng)域應(yīng)用相關(guān)研究的前10名國(guó)家進(jìn)行分析，結(jié)果顯示，發(fā)文量最高的前三位國(guó)家分別是美國(guó)（2 151篇）、中國(guó)（1 341篇）、英格蘭（425篇），其中，美國(guó)和中國(guó)的發(fā)文量遠(yuǎn)高于其他國(guó)家，見(jiàn)圖2。

雖然中國(guó)人工智能在癌癥研究領(lǐng)域發(fā)文量排名靠前，但是從被引頻率比較發(fā)現(xiàn)，美國(guó)發(fā)表文章的被引頻率一直處于世界平均標(biāo)準(zhǔn)以上，而中國(guó)文章的被引頻率在2010—2019年間均低于平均標(biāo)準(zhǔn)，文章研究質(zhì)量仍需進(jìn)一步提高，見(jiàn)圖3。

圖2 人工智能在癌癥研究領(lǐng)域發(fā)文量前10名國(guó)家Figure 2 Top 10 countries with amount of published articles about artificial intelligence in cancer research

圖3 中美人工智能應(yīng)用于癌癥研究文章的被引頻率比較Figure 3 Comparison of citation frequencies of articles about artificial intelligence in cancer research between China and USA

2.2 研究國(guó)家及機(jī)構(gòu)的合作分析

選擇網(wǎng)絡(luò)節(jié)點(diǎn)為“Country”，運(yùn)行CiteSpace軟件，得到研究人工智能在癌癥領(lǐng)域應(yīng)用研究的國(guó)家間合作圖譜。其中，美國(guó)的輻射面積最大，以2 098次合作頻次位于世界首位，中國(guó)以1 328頻次位居第2，見(jiàn)圖4。

國(guó)際合作中心度前10位的研究機(jī)構(gòu)中可以發(fā)現(xiàn)，美國(guó)的研究機(jī)構(gòu)有4家、德國(guó)有2家、新加坡有2家，荷蘭和英國(guó)分別有1家，見(jiàn)表1。我國(guó)的合作頻率雖然較高，但是在合作的中心度排名中，并未有研究機(jī)構(gòu)位于前列，我國(guó)的中國(guó)科學(xué)院僅位于第20名。

表1 國(guó)際合作中心度排名前10位的研究機(jī)構(gòu)Table 1 Top 10 research institutions of international cooperation centrality

2.3 人工智能在癌癥研究領(lǐng)域的文獻(xiàn)共被引結(jié)果

在CiteSpace節(jié)點(diǎn)中選擇“Cited Reference”，閾值選擇中設(shè)置“Top 50”，時(shí)間分區(qū)選擇“1”，得出排名前10的文獻(xiàn)信息，見(jiàn)表2。

2.4 人工智能在癌癥研究領(lǐng)域的熱點(diǎn)

對(duì)關(guān)鍵詞詞頻變化的分析可知，排名前10位高頻關(guān)鍵詞的中心性整體較高，與其他關(guān)鍵詞關(guān)系緊密，見(jiàn)表3。關(guān)鍵詞時(shí)區(qū)視圖顯示在不同時(shí)間段關(guān)鍵詞之間的聯(lián)系緊密程度，見(jiàn)圖5。

表3 2010—2019年人工智能在癌癥研究領(lǐng)域的高頻和高中心性關(guān)鍵詞Table 3 High frequency and centrality keywords of artificial intelligence in cancer research,2010-2019

表2 人工智能應(yīng)用于癌癥研究領(lǐng)域的前10位共被引文獻(xiàn)Table 2 Top 10 co-cited articles about artificial intelligence in cancer research

圖4 人工智能在癌癥研究領(lǐng)域的國(guó)家合作空間分布Figure 4 Spatial distribution of artificial intelligence in field of cancer research

圖5 人工智能在癌癥研究領(lǐng)域關(guān)鍵詞時(shí)區(qū)視圖Figure 5 Keyword time zone view of artificial intelligence in cancer research

2.5 人工智能在癌癥研究的突現(xiàn)詞

設(shè)定網(wǎng)絡(luò)節(jié)點(diǎn)為“Keyword”，詞語(yǔ)類型選擇突現(xiàn)詞（Burst Terms），結(jié)果顯示人工智能在癌癥研究領(lǐng)域近十年詞頻變化率較高的突現(xiàn)詞有人工神經(jīng)網(wǎng)絡(luò)、蛋白質(zhì)、模型、發(fā)現(xiàn)、分類、遺傳算法、回歸、邏輯回歸、模式識(shí)別、微陣列等，這些突現(xiàn)詞反映了近十年人工智能在癌癥研究領(lǐng)域前沿，根據(jù)突現(xiàn)詞出現(xiàn)的強(qiáng)度排序進(jìn)行分析，可以看出人工智能的方法學(xué)研究是前沿之一，見(jiàn)表4。

表4 人工智能在癌癥研究領(lǐng)域應(yīng)用的突現(xiàn)詞Table 4 Burst keywords of cooperation among countries on artificial intelligence in cancer research

3 討論

3.1 人工智能在癌癥領(lǐng)域的研究已成為國(guó)際熱點(diǎn)

近年來(lái)人工智能在醫(yī)學(xué)研究中的應(yīng)用不斷加深，癌癥領(lǐng)域的研究成為人工智能的熱點(diǎn)，美國(guó)在該領(lǐng)域已走在世界前列。本研究發(fā)現(xiàn)，人工智能在癌癥研究領(lǐng)域的相關(guān)文獻(xiàn)數(shù)量逐年上升，美國(guó)是發(fā)文量最多的國(guó)家，文章被引頻率始終高于世界平均水平，研究機(jī)構(gòu)的合作中心度較高、數(shù)量最多，而且這些研究機(jī)構(gòu)多為綜合性大學(xué)（具有系統(tǒng)內(nèi)醫(yī)學(xué)院或醫(yī)學(xué)中心）和癌癥研究專業(yè)醫(yī)療機(jī)構(gòu)，為人工智能在癌癥領(lǐng)域的跨學(xué)科研究創(chuàng)造了良好的合作條件，加之美國(guó)政府在人工智能領(lǐng)域研究經(jīng)費(fèi)投入大，專利產(chǎn)出多[4]，因此具有較強(qiáng)的影響力。中國(guó)發(fā)文量位于第二，與美國(guó)相比，雖然有國(guó)家政策文件支持[4]，研究活躍度高，研究成果增長(zhǎng)迅速[5]，醫(yī)療人工智能技術(shù)有一定的儲(chǔ)備[6]，但是，存在研究主體單一、機(jī)構(gòu)間合作不足、低被引論文比例較高[4]、資金投入與美國(guó)仍存在差距[5]、研究方向側(cè)重于現(xiàn)有技術(shù)和應(yīng)用研究[6]、底層基礎(chǔ)技術(shù)與前沿技術(shù)研究薄弱[5]等問(wèn)題。針對(duì)上述情況，一是建議高校研究機(jī)構(gòu)加強(qiáng)與醫(yī)療衛(wèi)生機(jī)構(gòu)和企業(yè)的合作。高校研究機(jī)構(gòu)提供技術(shù)研究，醫(yī)療衛(wèi)生機(jī)構(gòu)提供數(shù)據(jù)和應(yīng)用場(chǎng)景，與技術(shù)優(yōu)勢(shì)互補(bǔ)的企業(yè)合作[6]，進(jìn)一步推動(dòng)人工智能在癌癥研究領(lǐng)域的應(yīng)用；二是建議增加研究資金投入，加強(qiáng)對(duì)核心技術(shù)的研究與創(chuàng)新。在傳統(tǒng)優(yōu)勢(shì)技術(shù)方向上持續(xù)投入，確保領(lǐng)先地位，在前沿技術(shù)方向上增加投入，進(jìn)行專項(xiàng)研發(fā)和攻堅(jiān)[4]，爭(zhēng)取達(dá)到世界一流水平并引領(lǐng)技術(shù)發(fā)展。另外，人才培養(yǎng)、倫理法律將是世界人工智能研究共同的未來(lái)戰(zhàn)略突破點(diǎn)[4]。

3.2 人工智能可應(yīng)用于癌癥基礎(chǔ)研究和臨床研究多個(gè)方面

從人工智能在癌癥研究領(lǐng)域中的熱點(diǎn)可以發(fā)現(xiàn)，其在分子生物學(xué)、細(xì)胞組織學(xué)、臨床診斷、治療和預(yù)后預(yù)測(cè)等方面均可應(yīng)用，涉及基礎(chǔ)研究和臨床研究多個(gè)方面，應(yīng)用范圍較為廣泛。

從高頻和高中心性關(guān)鍵詞和關(guān)鍵詞時(shí)區(qū)分布圖可以發(fā)現(xiàn)，人工智能在癌癥研究的熱點(diǎn)主要包括：一是人工智能應(yīng)用于乳腺癌的臨床診斷和治療。2010年開(kāi)始主要是利用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)乳腺癌進(jìn)行分類，2012—2014年主要對(duì)腫瘤的質(zhì)地變化進(jìn)行分析，提高放療的準(zhǔn)確性，2015—2018年研究的方向主要是將機(jī)器學(xué)習(xí)、深層卷積神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)應(yīng)用于CT、MRI、超聲等臨床診斷；二是人工智能在癌癥基礎(chǔ)研究中的應(yīng)用。2010—2013年主要在細(xì)胞中研究基因表達(dá)，在組織中進(jìn)行光譜學(xué)方法的敏感度分析，2014—2016年通過(guò)體外研究癌細(xì)胞的轉(zhuǎn)移、生長(zhǎng)、信號(hào)通路和突變，2017年起開(kāi)始對(duì)腺癌進(jìn)行研究。三是人工智能在構(gòu)建癌癥模型中的應(yīng)用。2010—2013年利用機(jī)器學(xué)習(xí)建立預(yù)測(cè)模型，對(duì)化療患者進(jìn)行Logistics回歸分析，進(jìn)行危險(xiǎn)因素研究，后期引入定量構(gòu)效關(guān)系等方法進(jìn)行模型的管理和驗(yàn)證，2017年開(kāi)始人工智能與大數(shù)據(jù)相結(jié)合，在腫瘤異質(zhì)性和腫瘤放射學(xué)方面進(jìn)行研究，致力于降低癌癥的死亡；四是人工智能的方法學(xué)研究。利用分類器、支持向量機(jī)等工具，通過(guò)微陣列、隨機(jī)森林、自然語(yǔ)言處理等算法來(lái)改進(jìn)人工智能的方法和技術(shù)，從而對(duì)信息進(jìn)行處理和優(yōu)化，預(yù)測(cè)癌癥的發(fā)生和發(fā)展；五是人工智能在肺癌診斷和檢測(cè)中的應(yīng)用。2010年人工智能在肺癌中的應(yīng)用，主要是利用人工神經(jīng)網(wǎng)絡(luò)研究生物標(biāo)志物。2013—2014年癌癥的診斷和檢測(cè)是研究的熱點(diǎn)，尤其在鱗癌中。2019年機(jī)器學(xué)習(xí)在肺癌中應(yīng)用成為熱點(diǎn)。

通過(guò)對(duì)高頻和高中心關(guān)鍵詞分析發(fā)現(xiàn)，國(guó)際人工智能在乳腺癌領(lǐng)域的研究較多[7]，主要方法包括人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、模型和算法，可涉及預(yù)測(cè)、表達(dá)和生存等內(nèi)容，但是在關(guān)鍵詞時(shí)區(qū)視圖中，發(fā)現(xiàn)研究熱點(diǎn)不僅涉及乳腺癌的臨床診斷和治療，通過(guò)人工神經(jīng)網(wǎng)絡(luò)及機(jī)器深度學(xué)習(xí)研究肺癌診斷和檢測(cè)也是熱點(diǎn)之一[8]，因?yàn)槿斯ぶ悄茉赬線、CT、核磁、超聲、病理診斷以及放射治療方面的研究也較多，所以也可以用于其他癌種。同時(shí)，通過(guò)人工智能在基因表達(dá)、細(xì)胞組織學(xué)、信號(hào)通路、基因突變等方面的應(yīng)用，可研究腫瘤的生長(zhǎng)、轉(zhuǎn)移；人工智能結(jié)合大數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)等方法構(gòu)建模型，進(jìn)行圖像分析[9]，預(yù)測(cè)生存狀況及治療情況；人工智能利用分類器、向量機(jī)等工具，通過(guò)算法、機(jī)器學(xué)習(xí)、微陣列、隨機(jī)森林等方法預(yù)測(cè)癌癥的發(fā)生都是當(dāng)前研究的熱點(diǎn)。

蛋白質(zhì)的研究是人工智能應(yīng)用于癌癥研究的前沿領(lǐng)域。前期微陣列技術(shù)為基因的研究提供了方法學(xué)基礎(chǔ)，標(biāo)準(zhǔn)化的微陣列數(shù)據(jù)集包含數(shù)千個(gè)基因表達(dá)和數(shù)百個(gè)樣本，將異常癌組織中表達(dá)的基因與正常組織中表達(dá)的基因進(jìn)行比較，可以很好地了解疾病病理，并可以更好地診斷和預(yù)測(cè)基因的表達(dá)[10]，基因的表達(dá)必然涉及蛋白質(zhì)的研究，蛋白質(zhì)研究可以貫穿癌癥發(fā)生、發(fā)展、轉(zhuǎn)移、診斷和治療的全過(guò)程[11]，因此利用人工智能的方法對(duì)影響癌細(xì)胞生長(zhǎng)全過(guò)程的蛋白質(zhì)進(jìn)行研究是前沿領(lǐng)域。

3.3 人工智能方法學(xué)研究突破可為癌癥研究帶來(lái)新機(jī)遇

根據(jù)人工智能在癌癥研究領(lǐng)域文獻(xiàn)共被引結(jié)果，分析人工智能在癌癥研究領(lǐng)域應(yīng)用的知識(shí)基礎(chǔ)，主要包括以下幾個(gè)方面：一是人工智能在應(yīng)用時(shí)需要借助的軟件，包括LIBSVM[12]和Scikitlearn[13]。LIBSVM是支持向量機(jī)的庫(kù)，目標(biāo)是幫助用戶輕松地將人工智能的技術(shù)應(yīng)用于其使用程序；Scikit-learn是一個(gè)Python高級(jí)編程語(yǔ)言的模塊，專注于將人工智能分析的結(jié)果展示給非專業(yè)人員；二是人工智能的基礎(chǔ)是機(jī)器學(xué)習(xí)，多種方法可以提高機(jī)器學(xué)習(xí)和分析結(jié)果的準(zhǔn)確性。通過(guò)深度學(xué)習(xí)建立深層卷積網(wǎng)絡(luò)，深度卷積神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)在大規(guī)模視覺(jué)識(shí)別時(shí)，可以提高網(wǎng)絡(luò)內(nèi)部計(jì)算資源的利用率，提高處理圖像、視頻、語(yǔ)音和音頻的能力，從而實(shí)現(xiàn)分類和檢測(cè)[14]；在深層神經(jīng)網(wǎng)絡(luò)中引入殘差學(xué)習(xí)框架，深度越大，準(zhǔn)確性越高[15]；改進(jìn)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練的策略，充分挖掘帶注釋樣本的數(shù)據(jù)信息，提高準(zhǔn)確性和速度[16]；通過(guò)Dropout技術(shù)防止神經(jīng)網(wǎng)絡(luò)過(guò)度擬合，提高神經(jīng)網(wǎng)絡(luò)的性能[17]；三是利用人工智能對(duì)癌癥的圖像進(jìn)行識(shí)別和分類。應(yīng)用深層卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行分類，可以降低結(jié)果的錯(cuò)誤率[18]。在利用深層卷積神經(jīng)網(wǎng)絡(luò)對(duì)皮膚癌進(jìn)行診斷時(shí)，人工智能可達(dá)到和皮膚科醫(yī)生一樣的診斷能力，如果在移動(dòng)設(shè)備上配備深度神經(jīng)網(wǎng)絡(luò)，則可以潛在地?cái)U(kuò)展皮膚科醫(yī)生在診所外的服務(wù)范圍[19]。

從突現(xiàn)詞分析和共被引文章分析發(fā)現(xiàn)，研究者們近些年更關(guān)注于人工智能在癌癥研究領(lǐng)域的方法學(xué)研究。人工神經(jīng)網(wǎng)絡(luò)是功能強(qiáng)大的機(jī)器學(xué)習(xí)方法，廣泛用于學(xué)習(xí)多個(gè)級(jí)別的抽象數(shù)據(jù)，能夠解決非線性復(fù)雜問(wèn)題[20]，是人工智能應(yīng)用于癌癥研究主要技術(shù)。基于人工神經(jīng)網(wǎng)絡(luò)建立準(zhǔn)確的癌癥研究模型是研究的基礎(chǔ)，利用遺傳算法[21]、回歸模型、模式識(shí)別、微陣列[10]等方法，優(yōu)化算法，準(zhǔn)確建模，評(píng)估模型，提高預(yù)測(cè)結(jié)果準(zhǔn)確性，進(jìn)行方法學(xué)優(yōu)化與改進(jìn)是研究的前沿。人工智能將在癌癥的發(fā)現(xiàn)和分類領(lǐng)域有更多的應(yīng)用前景?；谌斯ぶ悄艿姆椒▽W(xué)改進(jìn)，人工神經(jīng)網(wǎng)絡(luò)方法已被用于預(yù)測(cè)癌癥的存在，分析癌癥類型或生存風(fēng)險(xiǎn)或?qū)⑽礃?biāo)記的樣品聚類等方面，通過(guò)模式識(shí)別對(duì)圖像信息進(jìn)行分析，應(yīng)用于癌癥的病理和影像診斷，都為癌癥的診斷和分類提供了方法學(xué)基礎(chǔ)。由于構(gòu)建模型時(shí)可能存在過(guò)度擬合、模型配置和訓(xùn)練、模型的評(píng)估以及研究的可重復(fù)性等技術(shù)問(wèn)題[10]，所以通過(guò)遺傳算法優(yōu)化人工神經(jīng)網(wǎng)絡(luò)、利用包括邏輯回歸在內(nèi)不同類型的回歸模型對(duì)已構(gòu)建模型進(jìn)行評(píng)估、將微陣列技術(shù)與神經(jīng)網(wǎng)絡(luò)相結(jié)合對(duì)癌癥基因進(jìn)行分析、通過(guò)模式識(shí)別對(duì)病理和影像等圖像信息進(jìn)行處理用于癌癥的診斷與分類等[22]，都是圍繞癌癥研究的方法進(jìn)行優(yōu)化與改進(jìn)。但如何找到符合醫(yī)學(xué)生物學(xué)原理、具有臨床實(shí)用性的算法，提高模型預(yù)測(cè)的準(zhǔn)確性、可重復(fù)性和可操作性是關(guān)鍵[23]，所以方法學(xué)研究的突破可能會(huì)為癌癥研究開(kāi)辟新的空間和帶來(lái)新的機(jī)遇。

4 小結(jié)

人工智能在癌癥研究領(lǐng)域目前已成為世界各國(guó)科技革命的新競(jìng)技場(chǎng)。通過(guò)借鑒國(guó)外研究的熱點(diǎn)與前沿，并結(jié)合自身特點(diǎn)發(fā)揮中國(guó)在癌癥防治方面的優(yōu)勢(shì)，借助人工智能的手段，注重國(guó)際合作與國(guó)家級(jí)機(jī)構(gòu)間合作，加強(qiáng)交叉學(xué)科研究，將有效促進(jìn)中國(guó)人工智能在癌癥研究方面的發(fā)展。