Machine learning applications in breast cancer survival and therapeutic outcome prediction based on multi-omic analysis

Zi Yi Zhang; Qi Lin Wang; Jun You Zhang; Ying Ying Duan; Jia Xin Liu; Zhao Shuo Liu; Chun Yan Li

doi:10.16288/j.yczz.24-156

Machine learning applications in breast cancer survival and therapeutic outcome prediction based on multi-omic analysis

Zi Yi Zhang
, Qi Lin Wang
, Jun You Zhang
, Ying Ying Duan
, Jia Xin Liu
, Zhao Shuo Liu
, Chun Yan Li

医学科学与工程学院

Beihang University

科研成果: 期刊稿件 › 文献综述 › 同行评审

8 引用（Scopus）

摘要

乳腺癌的高度异质性导致其治疗及预后评估较为复杂。治疗方案的选择受到肿瘤亚型、病变分级、基因型等多种因素的影响，因此需要制定个体化治疗策略。患者的预后效果因病情不同而产生显著差异。作为人工智能的一个重要分支，机器学习能高效处理海量数据，并实现决策过程的自动化。机器学习方法的引入将为乳腺癌治疗的选择和预后评估提供新的解决方案。在癌症治疗领域，传统方法预测生存与治疗效果往往依赖于单一或少量的生物标志物，难以全面捕捉复杂的生物学过程。机器学习通过分析患者的多组学数据以及它们在疾病发生发展过程中复杂的变化趋势，预测患者的生存和治疗响应效果，从而选择适合的治疗措施，实施早期干预，改善患者的治疗效果。本文首先介绍了常用的机器学习方法，在此基础上分别从评估生存情况和预测治疗效果这两方面展开，详细分析了机器学习在乳腺癌患者生存预测及预后领域中的应用，以期为乳腺癌患者提供精准医疗治疗策略，提高治疗效果和生存质量。.

源语言	英语
页（从-至）	820-832
页数	13
期刊	Yi chuan = Hereditas / Zhongguo yi chuan xue hui bian ji
卷	46
期	10
DOI	https://doi.org/10.16288/j.yczz.24-156
出版状态	已出版 - 1 10月 2024

联合国可持续发展目标

此成果有助于实现下列可持续发展目标：

可持续发展目标 3 良好健康与福祉

访问文件

10.16288/j.yczz.24-156

其它文件与链接

链接到 Scopus 的出版物

引用此

@article{836b430b77be453b8c3ccb08ebb0ebe8,

title = "Machine learning applications in breast cancer survival and therapeutic outcome prediction based on multi-omic analysis",

abstract = "乳腺癌的高度异质性导致其治疗及预后评估较为复杂。治疗方案的选择受到肿瘤亚型、病变分级、基因型等多种因素的影响，因此需要制定个体化治疗策略。患者的预后效果因病情不同而产生显著差异。作为人工智能的一个重要分支，机器学习能高效处理海量数据，并实现决策过程的自动化。机器学习方法的引入将为乳腺癌治疗的选择和预后评估提供新的解决方案。在癌症治疗领域，传统方法预测生存与治疗效果往往依赖于单一或少量的生物标志物，难以全面捕捉复杂的生物学过程。机器学习通过分析患者的多组学数据以及它们在疾病发生发展过程中复杂的变化趋势，预测患者的生存和治疗响应效果，从而选择适合的治疗措施，实施早期干预，改善患者的治疗效果。本文首先介绍了常用的机器学习方法，在此基础上分别从评估生存情况和预测治疗效果这两方面展开，详细分析了机器学习在乳腺癌患者生存预测及预后领域中的应用，以期为乳腺癌患者提供精准医疗治疗策略，提高治疗效果和生存质量。.",

keywords = "breast cancer, machine learning, multi-omics data analysis, survival prediction, treatment response",

author = "Zhang, \{Zi Yi\} and Wang, \{Qi Lin\} and Zhang, \{Jun You\} and Duan, \{Ying Ying\} and Liu, \{Jia Xin\} and Liu, \{Zhao Shuo\} and Li, \{Chun Yan\}",

year = "2024",

month = oct,

day = "1",

doi = "10.16288/j.yczz.24-156",

language = "英语",

volume = "46",

pages = "820--832",

journal = "Yi chuan = Hereditas / Zhongguo yi chuan xue hui bian ji",

issn = "0253-9772",

publisher = "Ke xue chu ban she",

number = "10",

}

TY - JOUR

T1 - Machine learning applications in breast cancer survival and therapeutic outcome prediction based on multi-omic analysis

AU - Zhang, Zi Yi

AU - Wang, Qi Lin

AU - Zhang, Jun You

AU - Duan, Ying Ying

AU - Liu, Jia Xin

AU - Liu, Zhao Shuo

AU - Li, Chun Yan

PY - 2024/10/1

Y1 - 2024/10/1

N2 - 乳腺癌的高度异质性导致其治疗及预后评估较为复杂。治疗方案的选择受到肿瘤亚型、病变分级、基因型等多种因素的影响，因此需要制定个体化治疗策略。患者的预后效果因病情不同而产生显著差异。作为人工智能的一个重要分支，机器学习能高效处理海量数据，并实现决策过程的自动化。机器学习方法的引入将为乳腺癌治疗的选择和预后评估提供新的解决方案。在癌症治疗领域，传统方法预测生存与治疗效果往往依赖于单一或少量的生物标志物，难以全面捕捉复杂的生物学过程。机器学习通过分析患者的多组学数据以及它们在疾病发生发展过程中复杂的变化趋势，预测患者的生存和治疗响应效果，从而选择适合的治疗措施，实施早期干预，改善患者的治疗效果。本文首先介绍了常用的机器学习方法，在此基础上分别从评估生存情况和预测治疗效果这两方面展开，详细分析了机器学习在乳腺癌患者生存预测及预后领域中的应用，以期为乳腺癌患者提供精准医疗治疗策略，提高治疗效果和生存质量。.

AB - 乳腺癌的高度异质性导致其治疗及预后评估较为复杂。治疗方案的选择受到肿瘤亚型、病变分级、基因型等多种因素的影响，因此需要制定个体化治疗策略。患者的预后效果因病情不同而产生显著差异。作为人工智能的一个重要分支，机器学习能高效处理海量数据，并实现决策过程的自动化。机器学习方法的引入将为乳腺癌治疗的选择和预后评估提供新的解决方案。在癌症治疗领域，传统方法预测生存与治疗效果往往依赖于单一或少量的生物标志物，难以全面捕捉复杂的生物学过程。机器学习通过分析患者的多组学数据以及它们在疾病发生发展过程中复杂的变化趋势，预测患者的生存和治疗响应效果，从而选择适合的治疗措施，实施早期干预，改善患者的治疗效果。本文首先介绍了常用的机器学习方法，在此基础上分别从评估生存情况和预测治疗效果这两方面展开，详细分析了机器学习在乳腺癌患者生存预测及预后领域中的应用，以期为乳腺癌患者提供精准医疗治疗策略，提高治疗效果和生存质量。.

KW - breast cancer

KW - machine learning

KW - multi-omics data analysis

KW - survival prediction

KW - treatment response

UR - https://www.scopus.com/pages/publications/85207697858

U2 - 10.16288/j.yczz.24-156

DO - 10.16288/j.yczz.24-156

M3 - 文献综述

C2 - 39443311

AN - SCOPUS:85207697858

SN - 0253-9772

VL - 46

SP - 820

EP - 832

JO - Yi chuan = Hereditas / Zhongguo yi chuan xue hui bian ji

JF - Yi chuan = Hereditas / Zhongguo yi chuan xue hui bian ji

IS - 10

ER -

Machine learning applications in breast cancer survival and therapeutic outcome prediction based on multi-omic analysis

摘要

联合国可持续发展目标

访问文件

其它文件与链接

学术指纹

引用此