| Hintergrund: Die Digitalisierung hat unsere moderne Welt revolutioniert, darunter auch die Medizin. Das exponentielle Wachstum medizinischer Daten wird zu einem zunehmenden Problem, das die manuelle Analyse und Extraktion aussagekräftiger Informationen fast unmöglich machen. Deep Learning (DL) ist in der Lage, Merkmale und wiederkehrende Muster in hochdimensionalen Datensätzen zu erkennen. Die Onkologie wäre daher die perfekte Umgebung. DL könnte zum Identifizieren und Charakterisieren von Krebs und zum Aufdecken neuer molekularer Mechanismen eingesetzt werden.
Ziel: Das Ziel dieser Arbeit besteht in einer umfassenden Synopsis neuer Erkenntnisse, die DL als ergänzendes Instrument in der Onkologie zusammenfassen. Somit wird eine Übersicht über die Entwicklungen in den verschiedenen Bereichen der Radiomics, computergestützte Pathologie und Multi-omics geschaffen.
Methoden: Mit den Suchmaschinen PubMed und Google Scholar wurde eine umfassende Literaturrecherche durchgeführt, die dem Ziel dieser Arbeit entsprechen. Ergänzende Informationen über DL und Tumorentstehung wurden hauptsächlich aus Lehrbüchern und Abhandlungen entnommen.
Ergebnisse und Diskussion: Diese neue Technologie markiert verdächtige Läsionen, prognostiziert die Malignität und überwacht abweichendes Gewebe. Darüber hinaus ist DL hervorragend in der Identifizierung treibender onkogener Mechanismen und Schwachstellen. Diese Entdeckungen können zur Entwicklung gezielter Therapien führen und fördern den Übergang zur Präzisionsmedizin. Der patientenzentrierte Ansatz ermöglicht es, die medizinische Behandlung auf die individuellen Variabilitäten abzustimmen. Somit werden die Behandlung und das klinische Ergebnis maximiert, während gleichzeitig die Nebenwirkungen minimiert werden.
Schlussfolgerungen: Die datengesteuerten Merkmale der DL erweisen sich als hervorragendes Instrument zur Unterstützung von Ärzt*innen in verschiedenen Bereichen ihrer klinischen Routine. Die Automatisierung repetitiver und administrativer Aufgaben wird den Schwerpunkt wieder auf die Gesundheitsversorgung legen und die menschliche Verbindung zwischen Ärzt*innen und Patient*innen stärken. |
