走向一个可解释的AI平台,研究癌症辐射治疗中断
Arash Shaban-Nejad1, Nariman Ammar2, Fekede Kumsa1
1University of Tennessee Health Science Center - Oak-Ridge National Lab (UTHSC-ORNL) Center for Biomedical Informatics, Department of Pediatrics, College of Medicine, Memphis, Tennessee, USA.
Studies in health technology and informatics
|January 25, 2024
概括
暂停放射治疗会使癌症的结果变得更糟. 新的X-CART平台使用可解释的AI将健康的社会决定因素与这些中断联系起来,旨在改善治疗和减少差异.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 放射治疗中断是癌症治疗失败的重要原因之一.
- 这些中断不成比例地影响了面临社会劣势的患者,加剧了健康差异.
- 解决这些中断是改善患者治疗结果的关键机会.
研究的目的:
- 介绍X-CART平台的早期发展.
- 利用可解释的人工智能来建模癌症治疗结果.
- 确定健康和放射治疗中断的社会决定因素之间的因果关系.
主要方法:
- 使用高维数据关联.
- 整合一个健康数据集的当地社会决定因素.
- 使用可解释的人工智能 (AI) 来建模结果指标.
主要成果:
- 该X-CART平台模拟了癌症治疗结果.
- 它确定了社会劣势和辐射治疗中断增加之间的关联.
- 解释了将社会劣势与治疗中断联系在一起的因果途径.
结论:
- X-CART平台在了解导致放射治疗中断的因素方面表现有前途.
- 可解释的人工智能可以阐明健康和癌症治疗坚持的社会决定因素之间的复杂关系.
- 这种方法可能会导致有针对性的干预措施,以改善癌症护理和减少差异.
