使用人工智能实时识别胰腺癌病例 基于丹麦全国注册数据开发的人工智能
Anders Bo Bojesen1, Frank Viborg Mortensen1,2, Jakob Kirkegård1,2
1Department of Surgery, HPB Section, Aarhus University Hospital, Aarhus, Denmark.
JCO clinical cancer informatics
|October 9, 2023
概括
一个新的动态算法可以识别患有未诊断的胰腺癌高风险的患者. 这种机器学习方法加速了诊断,通过提高早期检测率,可能挽救生命.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 胰腺癌是癌症死亡的主要原因,晚期诊断限制了治愈治疗选择.
- 加快诊断对于降低胰腺癌死亡率至关重要.
- 开发了一种动态算法,以主动识别未被诊断的胰腺癌高风险个体.
研究的目的:
- 开发和测试一种动态算法,以积极识别患有未诊断的胰腺癌风险较高的患者.
- 提高早期检测率,降低胰腺癌死亡率.
主要方法:
- 机器学习应用于丹麦全国范围的注册数据.
- 混合病例控制和前性队列设计与发病率密度抽样.
- 在每月的前进策略中使用非样本,非时间数据来评估绩效,以防止时间偏差.
主要成果:
- 确定了具有10.1%的1年胰腺癌诊断风险的子组 (查所需人数:9.9).
- 当考虑其他胃肠道 (GI) 癌症时,风险降至5.7.
- 加快诊断时间长达142天.
结论:
- 全国实时数据和计算资源支持实时识别丹麦胰腺和胃肠道癌的高风险个体.
- 曲线下的面积不适合潜在的高风险患者识别.
- 经过证明的设计解决方案解决了现有的癌症预测工作的局限性,需要进一步的有效性评估.
