Abstract 888: Aufdeckung klinisch relevanter Omics-Signaturen durch Integration von Pan-Krebs-Bildgebung und Multi-Omics-Daten

Abstract Trotz Fortschritten im Deep Learning für die Histopathologie bleibt die Integration dieser Erkenntnisse mit Multi-Omics-Daten zur Aufdeckung klinisch relevanter Omics-Signalwege eine Herausforderung. Unsere Studie schließt diese Lücke durch den Einsatz unüberwachter Lernverfahren auf Pan-Krebs-Multi-Omics-Daten und nutzt 3.080 Hämatoxylin-Eosin (H Teil 1 (Reguläre Abstracts); 5.-10. April 2024; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84 (6Suppl): Abstract Nr. 888.