Incorporating Integrated Diagnostics into Precision Oncology Care: Proceedings of a Workshop (2024)

核心观点

该研报探讨了将整合诊断纳入精准肿瘤学护理的潜力和挑战。整合诊断是指将影像学、病理学和实验室检测数据相结合，并利用人工智能 (AI) 算法进行分析，以指导个性化治疗并改善患者结果。

关键数据

• 目前尚无整合诊断的统一定义，但其核心目标是实现精准诊断，并以人口规模的影响力影响个体水平。
• 整合诊断可以减少医疗错误并改善患者结果，例如通过整合 MRI 和 FDG-PET 结果来排除骨转移。
• AI 在整合诊断中发挥着越来越重要的作用，例如用于癌症风险预测、脑肿瘤分析和转移数字化以及肺癌筛查。
• 然而，整合诊断也面临着诸多挑战，包括数据提取和聚合、数据整合和分析、数据治理、文化障碍以及 AI 模型的可解释性和偏差。

研究结论

• 为了实现整合诊断的潜力，需要克服一系列挑战，包括促进跨学科合作、建立数据标准和互操作性、投资数据工程以及开发可解释和公平的 AI 模型。
• 电子健康记录 (EHR) 数据和功能可以用来支持整合诊断的评价，但需要确保数据的质量和代表性。
• 需要制定明确的监管途径和保险覆盖范围，以支持整合诊断的采用和扩展。
• 促进患者对整合诊断的获取对于促进健康公平至关重要，特别是在社区护理环境中。

未来方向

• 需要加大对整合诊断的资金投入，并开展更多研究以评估其临床效用。
• 需要培养下一代科学家和临床医生，使他们能够跨学科合作并应用整合诊断方法。
• 需要建立全国性的网络和基础设施，以促进数据共享和整合诊断的公平获取。