异常子宫出血妇女的子宫内膜癌:数据挖掘分类方法

科学领域:

• 医疗人工智能 医疗人工智能
• 在瘤学瘤学.
• 医疗保健中的机器学习

背景情况:

• 人工智能 (AI) 在医学中的应用越来越多.
• 早期诊断子宫内膜癌对于有效治疗至关重要.
• 需要使用非侵入性查方法,特别是在高危人群中.

研究的目的:

• 调查与子宫内膜癌相关的危险因素.
• 开发一款用于预测子宫内膜癌的机器学习工具.

主要方法:

• 972名患有异常子宫出血的患者的横截面研究 (2016年1月 - 2021年1月).
• 分析患者特征和除病理学的发现.
• 机器学习算法的应用:人工神经网络,分类和回归树,支持矢量机器和物流回归.

主要成果:

• 在972名患者中,52人被诊断出患有子宫内膜癌.
• 后勤回归模型实现了最高的预测性能 (100%的灵敏度,训练数据上的98.83%的特异性; 98%的灵敏度,测试数据上的98.7%的特异性).
• 分类和回归树显示了下一个最佳表现.

结论:

• 基于人工智能的算法显示出作为子宫内膜癌的非侵入性查方法的希望.
• 机器学习模型,特别是后勤回归,可以有效地预测子宫内膜癌风险.