使用机器学习和代谢学来诊断甲状腺癌
Alyssa Kuang1, Valentina L Kouznetsova2,3,4, Santosh Kesari5
1Haas Business School, University of California at Berkeley, Berkeley, CA 94720, USA.
Metabolites
|January 22, 2024
概括
这项研究开发了一种机器学习 (ML) 模型,使用甲状腺癌 (TC) 代谢物数据来诊断这种疾病. 该模型实现了高精度,显示了TC查和代谢物分析的前景.
科学领域:
- 生物化学 生化学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 甲状腺癌 (TC) 诊断依赖于各种方法,但发现新的生物标志物至关重要.
- 代谢物分析提供了识别癌细胞独特特征的潜力.
研究的目的:
- 开发一种机器学习 (ML) 模型,使用代谢物生物标志物来诊断甲状腺癌 (TC).
- 通过数据挖掘和途径分析,识别与TC相关的关键代谢途径.
主要方法:
- 对现有的甲状腺癌 (TC) 代谢物数据的分析.
- 数据挖掘,路径分析和机器学习 (ML) 技术的应用.
- 十倍交叉验证和独立测试用于模型准确性评估.
主要成果:
- 确定了与TC相关的七个重要的代谢途径.
- 通过十倍的交叉验证,通过十倍的交叉验证实现了87.30%的最大分类准确度.
- 在使用独特的TC代谢物进行独立测试时,获得了92.31%的准确性.
结论:
- 开发的ML模型在使用代谢物生物标志物诊断TC时表现出高准确性.
- 已识别的代谢途径为TC诊断模式识别和查提供了洞察力.
- 突出了ML在用于癌症诊断的代谢物分析中的潜力.
