开发基于机器学习的预测因子,用于早期诊断肝细胞癌
Zi-Mei Zhang1, Yuting Huang1, Guanghao Liu2,3
1School of Biology and Biological Engineering, South China University of Technology, Guangzhou, China.
Scientific reports
|March 4, 2024
概括
这项研究使用机器学习开发了一种早期肝细胞癌预测器 (eHCC-pred). 新工具显著提高了早期诊断准确度,从78.15%提高到97%.
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:
- 肝细胞癌 (HCC) 是一个主要的全球健康问题.
- 早期诊断HCC对于有效治疗和改善患者的治疗结果至关重要.
- 目前的诊断方法需要改进,以便更早,更准确地检测.
研究的目的:
- 开发和验证一种基于机器学习的准确签名,用于早期肝细胞癌预测 (eHCC-pred).
- 将eHCC-pred的性能与现有的诊断方法进行比较.
- 为可访问的HCC早期诊断提供一个用户友好的Web服务器.
主要方法:
- 利用包括无HCC (CwoHCC) 肝硬化组织在内的大量数据集进行培训和验证.
- 集成的最小冗余性最大相关性和最大相关性最大距离功能选择方法.
- 应用了八种不同的机器学习算法来构建预测模型.
主要成果:
- 在早期HCC识别准确度方面取得了显著改善,从78.15%增加到97%.
- 在独立数据集上验证了模型的性能,证明了它的稳定性.
- 为 eHCC-pred 工具建立了一个公开可访问的 Web 服务器 (http://www.dulab.com.cn/eHCC-pred/).
结论:
- 开发的eHCC-pred工具为早期肝细胞癌诊断提供了一个高度准确和强大的方法.
- 与当前最先进的技术相比,eHCC-pred表现出卓越的性能.
- 这种工具预计将在临床实践中对个人层面的HCC早期检测有价值.
