基于多模式人工智能的病原体学改善了口腔状细胞癌的生存预测
Andreas Vollmer1, Stefan Hartmann2, Michael Vollmer3
1Department of Oral and Maxillofacial Plastic Surgery, University Hospital of Würzburg, 97070, Würzburg, Franconia, Germany. Vollmer_a@ukw.de.
Scientific reports
|March 7, 2024
概括
这项研究开发了一种新的预后算法,用于口腔状细胞癌 (OSCC),使用病原学和AI. 多式人工智能模型显著提高了生存预测的准确性,为个性化OSCC治疗策略铺平了道路.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 人工智能的人工智能
背景情况:
- 口腔状细胞癌 (OSCC) 构成一个重大的健康挑战,患者的预后会变化.
- 准确的预后预测对于定制治疗策略和改善OSCC患者结果至关重要.
研究的目的:
- 通过整合病理基因组学和人工智能 (AI) 技术,为OSCC开发一种新的预后算法.
- 通过机器学习和深度学习,确定OSCC生存结果的关键预测特征.
主要方法:
- 利用了癌症基因组图谱 (TCGA) 数据集中的406名OSCC患者的综合临床,基因组和病理学数据.
- 进行了基因表达,主要成分,基因丰富和特征重要性分析.
- 应用了五种机器学习/深度学习算法:随机生存森林,梯度增强生存分析,Cox PH,快速生存SVM和DeepSurv用于生存预测.
主要成果:
- 在所有测试的算法中,多式人工智能模型在所有测试的算法中表现出高于单式模型的性能.
- 多模式模型实现了更高的c指数值,表明患者存活时间的预测准确度有所提高.
- 使用重要特征的特征选择进一步增强了多式模式模型的预测能力.
结论:
- 病理基因组学与基于人工智能的技术相结合,为提高OSCC的预后预测准确性提供了一种强大的方法.
- 开发的预后算法有可能指导OSCC患者的个性化治疗策略.
- 这项研究强调了多omics数据和先进的人工智能之间的协同作用,以提高癌症预后.
