利用机器学习方法预测由于治疗性前列腺放射治疗引起的急性和晚期直肠毒性
Emine Elif Ozkan1, Tekin Ahmet Serel2, Arap Sedat Soyupek2
1Department of Radiation Oncology, Suleyman Demirel University, Isparta, 32260, Türkiye.
Radiation protection dosimetry
|June 27, 2024
概括
人工智能模型可以准确预测正在接受放射治疗的前列腺癌患者的直肠毒性. 这种基于剂量计参数的预测可能有助于个性化治疗并改善患者的生活质量.
科学领域:
- 在瘤学瘤学.
- 医学物理 医学物理
- 人工智能的人工智能
背景情况:
- 直肠毒性是前列腺癌放射治疗的显著剂量限制副作用.
- 这种毒性会对长期幸存者的生活质量产生负面影响.
研究的目的:
- 评估人工智能 (AI) 模型在预测直肠毒性方面的潜力.
- 为提高预测准确性,将特定的剂量参数纳入人工智能模型.
主要方法:
- 分析了接受放射治疗的137名前列腺癌患者.
- 合成数据生成将样本大小增加到274名患者.
- 使用Python和Pycaret评估了15个机器学习模型,随机森林分类器识别了关键变量.
主要成果:
- 机器学习算法实现了高性能,曲线下的面积 (AUC) 从0.89到0.97.
- 精度达到95%-99%,敏性毒性为0.95,晚期直肠毒性为0.99.
结论:
- 用机器学习算法分析的剂量测量和物理数据,可以高概率地预测早期和晚期的直肠毒性.
- 预测能力可能允许调整治疗剂量和持续时间,可能将AI纳入临床实践.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
