在理解肿瘤进展的分子和细胞机制方面取得了重大进展，但挑战仍然存在。MRI、CT 和乳房 X 线摄影等传统成像技术受到专业管理的需要限制，这非常耗时。

与癌症相关的基因变化可以作为诊断、预后和预测的生物标志物，但它们在临床实践中的应用受到转移、治疗反应和耐药性变化的阻碍。新的治疗策略虽然有效，但由于癌症的异质性而面临问题。

人工智能 (AI) 为这些挑战提供了解决方案，广泛应用于药物开发、癌症预测、诊断和下一代测序数据分析。人工智能算法可以识别基因突变或特征，用于早期癌症检测和靶向治疗。

然而，由于数据异质性、偏见和隐私问题，在临床环境中开发和实施准确的人工智能模型具有挑战性。尽管如此，人工智能已经证明了其在临床决策方面的改进。

人工智能是一系列方法和技术的集合，在癌症研究中变得越来越重要。《医学前沿》杂志发表的一篇新评论讨论了各种人工智能方法的优点和局限性。

该出版物概述了过去十年中这些方法的使用情况，以及将人工智能模型纳入临床环境的指南和预训练语言模型在个性化癌症护理策略中的潜力。