相关实验视频
Updated: Jun 25, 2026
07:50
Genome-Wide Analysis of DNA Methylation in Gastrointestinal Cancer
Published on: September 18, 2020
5.5K
使用临床特征预测复发性胃癌的经济有效模型
Chun-Chia Chen1,2,3, Wen-Chien Ting3,4, Hsi-Chieh Lee5
1Institute of Medicine, Chung Shan Medical University, Taichung 40201, Taiwan.
Diagnostics (Basel, Switzerland)
|April 26, 2024
概括
人工智能识别了复发性胃癌幸存者的关键临床生物标志物. 最重要的危险因素包括阶段,淋巴结参与,Helicobacter pylori,BMI和性别,有助于早期检测.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 人工智能的人工智能
背景情况:
- 胃癌复发对幸存者来说是一个重大挑战.
- 确定可靠的复发临床生物标志物对于改善患者管理至关重要.
研究的目的:
- 利用人工智能 (AI) 技术识别临床生物标志物,预测胃癌幸存者的复发情况.
- 为了对各种AI算法进行基准测试,以确定它们在这个预测任务中的有效性.
主要方法:
- 在2476名胃癌幸存者的数据集上使用Random Forest,MLP,C4.5,AdaBoost和Bagging算法.
- 对于不平衡的数据,利用了合成少数群体过量采样技术 (SMOTE),用于风险评估的成本敏感学习,以及用于特征重要性的夏普利添加式扩展 (SHAPs).
主要成果:
- 提出的随机森林模型在平衡的数据集上实现了高性能,准确率为87.9%,回忆率为90.5%,精度为86%,F1得分为88.2%.
- 确定了影响复发预测的前五个临床特征:阶段,淋巴结参与,Helicobacter pylori感染,BMI和性别.
结论:
- 人工智能模型,特别是随机森林模型,可以有效地识别和排名复发胃癌的风险因素.
- 确定的临床特征是重要的预测因素,可以帮助医生查高风险的胃癌幸存者.
