使用人工智能工具预测卵巢癌

科学领域:

• 在瘤学瘤学.
• 生物医学信息学 生物医学信息学
• 机器学习 机器学习

背景情况:

• 卵巢癌是女性死亡的重要原因之一.
• 准确和快速预测卵巢瘤对于及时干预至关重要.
• 人工智能 (AI) 为开发精确的诊断工具提供了一个有希望的方法.

研究的目的:

• 开发和评估用于预测卵巢癌的AI模型.
• 为了确定卵巢瘤的关键预测因素.
• 为了比较不同的AI算法在卵巢癌预测中的性能.

主要方法:

• 对包含171例良性和178例恶性卵巢瘤病例的数据集进行分析.
• 血液检测结果和瘤标志物数据的预处理,包括异常值的删除和归算.
• 使用信息获取和吉尼指数进行特征选择.
• 使用随机森林 (RF),支持矢量机器 (SVM),决策树 (DT) 和人工神经网络 (ANN) 开发预测模型.
• 通过十倍交叉验证进行性能评估,评估特异性,敏感性,准确性和ROC曲线下的面积 (AUC).

主要成果:

• 确定的主要预测因素包括HE4,CA125和NEU.
• 随机森林 (RF) 模型实现了最高的准确性,超过86%.
• 其他模型表现强:SVM (85.25%),DT (82.91%) 和ANN (79.35%).

结论:

• 人工智能模型,特别是射频模型,对于卵巢癌预测具有很高的准确性和灵敏性.
• 这些人工智能工具可以促进更早,更简单,更具成本效益的诊断.
• 未来的研究应该探索将人工智能与成像数据和血清生物标志物集成为增强的诊断模型.