应用人工智能使用常规临床数据进行术前诊断和胃癌预后评估
Naoki Kuwayama1, Isamu Hoshino1, Yasukuni Mori2
1Division of Gastroenterological Surgery, Chiba Cancer Center, Chiba 260-8717, Japan.
Oncology letters
|October 19, 2023
概括
人工智能 (AI) 机器学习使用常规血液数据准确预测胃癌的预后. 这种人工智能驱动的方法提供了一个独特的患者分层,超出了传统的瘤结节转移 (TNM) 分类,以改善结果.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 胃癌预后评估依赖于瘤结节转移 (TNM) 分类.
- 需要使用现有临床数据的新型预后工具.
研究的目的:
- 评估人工智能 (AI) 机器学习用于胃癌预后预测.
- 使用血液数据开发基于AI的患者分层,与TNM分类不同.
主要方法:
- 使用后勤回归 (LR),随机森林 (RF),梯度增强 (GB) 和深度神经网络 (DNN) 模型.
- 利用临床病理学数据和5年后复发信息进行分类.
- 应用k-medoids集群在顶部AI识别的特征上,用于患者分层.
主要成果:
- 人工智能模型展示了5年生存和无复发生存的预测能力.
- 渐变增强实现了75.3%的准确率和0.73AUC为5年生存期.
- 由人工智能驱动的集群产生了独立于TNM分期的患者分层.
结论:
- 人工智能机器学习有效地使用常规临床数据评估胃癌预后.
- 人工智能识别的患者集群提供了一种新的分层方法.
- 这种方法增强了超越传统TNM分类的预后评估.
