一个受监督的机器学习模型,用于识别推头癌手术的预测因素
Max L Jiam1, Kevin Z Xin2, Patrick K Ha3
1School of Computer Science, Carnegie Mellon University, Pittsburgh, Pennsylvania, USA.
Head & neck
|February 12, 2024
概括
机器学习可以准确预测头癌手术,从而减少治疗延迟. 这种人工智能工具可以改善患者推处理,以更快地提供护理.
科学领域:
- 在瘤学瘤学.
- 数据科学数据科学数据科学
- 医疗信息学 医疗信息学
背景情况:
- 患者转诊往往由非医疗人员处理,导致潜在的延误.
- 错误的转诊处理在瘤学可能会对治疗时间表造成严重后果.
- 确定手术切除的因素可以优化头癌患者的转诊.
研究的目的:
- 开发一个监督机器学习 (ML) 平台.
- 确定与头部和部手术切除概率相关的变量.
- 改善患者转诊处理,加快癌症治疗.
主要方法:
- 追溯队列研究的设计.
- 利用来自SEER数据库的64,222个患者数据点.
- 开发并应用一个随机森林ML模型.
主要成果:
- 随机森林ML模型在分类提供头部和部手术的患者中实现了81%的准确性.
- 模型显示了86%的灵敏度和71%的特异性.
- 积极和消极的预测值分别为85%和73%.
结论:
- 机器学习准确地预测了头癌的手术建议.
- 机器学习模型可以利用来自大型数据集的患者和癌症数据.
- 将ML纳入转诊流程可能会减少患者治疗时间.


