Integrating Multi-Omics and Medical Imaging in Artificial Intelligence-Based Cancer Research: An Umbrella Review of Fusion Strategies and Applications
Notice bibliographique
Résumé
Background: The combination of multi-omics data, including genomics, transcriptomics, and epigenomics, with medical imaging modalities (PET, CT, MRI, histopathology) has emerged in recent years as a promising direction for the advancement of precision oncology. Many researchers have contributed to this domain, exploring the multi-modality aspect of using both multi-omics and image data for better cancer identification, subtype classifications, cancer prognosis, etc. Methods: We present an umbrella review summarizing the state of the art in fusing imaging modalities with omics and artificial intelligence, focusing on existing reviews and meta-analyses. The analysis highlights early, late, and hybrid fusion strategies and their advantages and disadvantages, mainly in tumor classification, prognosis, and treatment prediction. We searched review articles until 25 May 2025 across multiple databases following PRISMA guidelines, with registration on PROSPERO (CRD420251062147). Results: After identifying 56 articles from different databases (i.e., PubMed, Scopus, Web of Science and Dimensions.ai), 35 articles were screened out based on the inclusion and exclusion criteria, keeping 21 studies for the umbrella review. Discussion: We investigated prominent fusion techniques in various contexts of cancer types and the role of machine learning in model performance enhancement. We address the problems of model generalizability versus interpretability within the clinical context and argue how these multi-modal issues can facilitate translating research into actual clinical scenarios. Conclusions: Lastly, we recommend future work to define clearer and more reliable validation criteria, address the need for integration of human clinicians with the AI system, and describe the trust issue with AI in cancer care, which requires more standardized approaches.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».