在精準醫療的時代浪潮下，癌癥研究正經歷一場數據驅動的深刻變革。從基因組學到蛋白質組學，從醫學影像到臨床指標，各種模態（modalities）的數據如潮水般涌現。然而，這些數據不僅是“大數據”，更是“復雜數據”——它們來源各異、結構不同、尺度不一，猶如一堆需要特殊解碼器才能拼合的信息碎片。傳統的分析方法常常顧此失彼，難以從這些異構（heterogeneous）數據中提取出連貫、可指導臨床行動的深刻洞見。如何打破數據壁壘，實現多模態數據的深度融合，從而更精準地發現癌癥的“阿喀琉斯之踵”，例如關鍵的生物標志物（biomarker），為患者制定個性化的治療方案，已成為橫亙在研究者面前的重大挑戰。

與此同時，人工智能領域正掀起一場由基礎模型（Foundation Models, FMs）引領的革命。這些基于海量數據預訓練而成的大型深度學習模型，就像一個通曉多種“數據語言”的全能大腦，能夠為各式各樣的下游任務提供強大的通用表征能力。這為破解腫瘤多模態數據整合難題帶來了全新的可能。那么，在癌癥研究這個具體戰場上，從經典的機器學習（Machine Learning, ML）到新興的基礎模型，技術路線究竟是如何演進的？現有的整合策略有哪些？未來的方向又在何方？為了系統回答這些問題，一篇題為《From classical machine learning to emerging foundation models: review on multimodal data integration for cancer research》的綜述論文在《ARTIFICIAL INTELLIGENCE REVIEW》上發表，旨在繪制一幅從傳統方法到前沿AI模型的技術發展全景圖。

為了完成這項全面的綜述，研究人員主要采用了文獻系統回顧與歸納分析的方法。他們廣泛檢索并梳理了腫瘤學多模態數據整合領域的相關研究，重點考察了用于癌癥亞型分類、生物標志物發現、治療指導和預后預測等方法論框架、驗證協議以及開源工具資源。研究特別聚焦于多組學數據（multi-omics）與先進醫學影像數據的整合所面臨的挑戰與解決方案，并對當前公開可用的多模態數據資源庫（repositories）和先進的整合工具進行了識別與總結。

研究系統回顧了數據整合策略的發展脈絡。早期傳統機器學習方法通常依賴于特征工程（feature engineering）和早期的融合策略。隨著深度學習興起，模型能夠自動學習更具判別性的特征表示，并催生了更靈活的中期與晚期融合架構。而當前，基礎模型以其在大規模數據上預訓練獲得的強大通用能力，正成為構建下一代多模態癌癥分析模型的核心支柱（backbone）。

綜述深入探討了多模態整合在腫瘤學中的四大核心應用：癌癥亞型分類（cancer subtype classification）、生物標志物發現（biomarker discovery）、治療指導（treatment guidance）和結局預測（outcome prediction）。針對每個場景，文章分析了主流的方法論框架，包括不同數據融合（如早期、中期、晚期融合）策略的優劣，以及相應的模型驗證協議。

研究識別并匯總了當前可公開獲取的多模態數據資源庫，為社區研究提供了寶貴的數據基礎。同時，文章也梳理了用于實現多模態數據整合的先進計算工具與方法，涵蓋了從數據處理、特征對齊到模型構建的全流程。

文章明確指出，盡管取得了顯著進展，但整合多組學與影像數據仍面臨數據異質性、標注稀缺、模型可解釋性以及計算資源需求等多重挑戰。當前最先進的整合方法為開發下一代大規模預訓練模型奠定了必要的基礎，這些模型有望進一步推動腫瘤學的變革。

該綜述的核心結論在于，它首次系統性地繪制了腫瘤學領域多模態數據整合從傳統機器學習邁向先進基礎模型的技術轉型路線圖。文章論證了，當前最先進的整合方法不僅是解決現有問題的工具，更是迎接大規模人工智能（AI）模型時代到來的基石。基礎模型通過其強大的表征學習和遷移能力，為克服多模態數據在規模、異質性和復雜性方面的挑戰提供了革命性的新途徑。這項研究的意義在于，它為研究人員提供了一個全面的知識圖譜，既總結了現有的方法、資源與最佳實踐，也前瞻性地指明了未來的研究重點與發展方向——即開發和利用更大規模、更通用的預訓練基礎模型，以實現對癌癥更深刻、更精準的理解，最終推動診斷、治療和預后管理的全面個性化。相關工作與資源已在項目GitHub倉庫（https://github.com/WuLabMDA/Medical-Foundation-Models）中開源，以促進該領域的協作與發展。