使用现代深度学习和机器学习技术预测质母细胞瘤患者的生存率

科学领域:

• 在瘤学瘤学.
• 数据科学数据科学数据科学
• 生物统计学 生物统计学

背景情况:

• 质母细胞瘤是一种具有不良预后的侵袭性脑瘤.
• 准确预测患者的存活率对于治疗规划至关重要.

研究的目的:

• 开发和评估用于预测质母细胞瘤患者生存率的机器学习模型.
• 使用可解释的AI技术识别生存的关键预测因素.

主要方法:

• 使用了监测,流行病学和最终结果 (SEER) 数据库.
• 开发了五种机器学习模型和使用持久和交叉验证的深度神经网络 (DNN).
• 采用沙普利增量解释 (SHAP) 来解释模型的可解释性.

主要成果:

• 在分类和回归任务中,DNN始终超过机器学习模型.
• 使用DNN.实现了高精度 (90.25%) 和R平方值 (0.6565) 的DNN.
• 诊断时的年龄被确定为质母细胞瘤存活率的最重要的预测因素.

结论:

• DNN显示出强大的潜力,作为预测质母细胞瘤患者存活率的工具.
• 可解释的人工智能 (SHAP) 有效地确定了关键的预后因素.
• 这些发现可以帮助临床医生优化患者护理和治疗策略.