机构名称：
¥ 1.0
癌症是致命的疾病，是全球第二大死亡的原因。癌症治疗是一个复杂的过程，需要一种基于多模式的方法。癌症检测和治疗始于筛查/诊断，并一直持续到患者还活着。筛查/诊断疾病是癌症管理的开始，并且继续进行疾病的分期，计划和提供治疗，治疗监测以及持续的监测和随访。成像在癌症管理的所有阶段都起着重要作用。常规肿瘤学实践认为，所有患者在疾病类型中均相似，而生物标志物亚群则是一种疾病类型的患者，这会导致精确肿瘤学的发展。放射线过程的利用促进了在精确肿瘤学中找到应用的各种成像生物标志物的进步。过去，许多研究人员研究了成像生物标志物和人工智能（AI）在肿瘤学中的作用。现有文献暗示了成像生物标志物和AI在肿瘤学中的作用的日益增加。但是，也对放射线特征的稳定性也受到质疑。放射线群落已经认识到，放射线特征的不稳定性对基于放射素的预测模型的全球概括构成了危险。为了在肿瘤学中建立基于放射素的成像生物标志物，需要优先建立放射线特征的鲁棒性。这是因为在一个机构中开发的放射线模型在其他机构中经常表现不佳，这很可能是由于放射性特征不稳定性所致。为了概括肿瘤学中的基于放射素的预测模型，包括定量成像网络（QIN），定量成像生物标志物联盟（QIBA）和图像生物标记标准化计划（IBSI）的许多计划已发起以稳定辐射特征。
定量成像（放射线学）和人工智能在精确肿瘤学中的新作用
主要关键词
相关文件推荐
