基于光梯度增强的预测,对口腔癌治疗患者的生活质量进行预测
Karthikeyan Ramalingam1, Pradeep Kumar Yadalam2, Pratibha Ramani1
1Department of Oral Pathology and Microbiology, Saveetha Dental College and Hospitals, Saveetha Institute of Medical and Technical Sciences (SIMATS), Saveetha University, Chennai, India.
BMC oral health
|March 20, 2024
概括
这项研究使用机器学习准确地预测了口腔癌患者的生活质量. 这些发现有助于口腔外科医生和瘤学家改善患者护理和治疗计划.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 公共卫生 公共卫生
背景情况:
- 口腔癌是全球重要的健康问题,死亡率排名第六.
- 晚期诊断是常见的,由于吃饭和吞的困难,影响患者的预后.
- 口腔癌显著降低了患者的生活质量 (QOL),受各种因素的影响.
研究的目的:
- 开发一个口腔癌患者生活质量的预测模型.
- 利用机器学习来准确地评估口腔癌中的QOL.
- 为改善口腔癌护理的临床决策提供工具.
主要方法:
- 一项涉及111名口腔癌患者的前性分析研究.
- 使用 EORTC QLQ-C30 和 QLQ-HN43 问卷进行 QOL 评估.
- 在数据预处理和特征选择后使用光度梯度增强树分类器进行QOL预测.
主要成果:
- 光渐变增强模型在预测口腔癌患者的生活质量方面实现了96%的准确性.
- 该模型显示了0.20的低日志损失,表明了高预测性能.
- 诊断时和治疗后至少12个月评估QOL.
结论:
- 开发的预测模型可以显著帮助口腔外科医生和瘤学家.
- 使用这种预测工具可以做出更好的规划和治疗决策.
- 通过这种模型的应用,预计会改善患者的治疗结果和护理.
