人工神经网络预测癌症患者的死亡率,在多站点机构进行放射治疗

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 辐射疗法是癌症管理的基石,但患者的治疗结果有很大差异.
• 预测这些结果是具有挑战性的,因为诸如患者人口统计学和瘤特征等众多影响因素.
• 人工智能 (AI) 为改善辐射瘤学结果预测提供了一种新的方法.

研究的目的:

• 开发和评估人工智能模型,用于预测放射治疗后患者的死亡率.
• 将人工神经网络 (ANN) 的性能与传统机器学习模型进行比较.
• 确定最有效的AI方法,在治疗后的各种时间点对二元死亡率进行分类.

主要方法:

• 追溯分析了6595例完成放射治疗的患者病例.
• 训练和人工神经网络 (ANN) 与基线模型的比较,包括后勤回归,随机森林,支持向量机 (SVM) 和梯度增强 (XGBoost).
• 使用超参数网格搜索优化ANN架构,以灵敏度为主要指标.

主要成果:

• 人工神经网络 (ANN) 证明了成功的二元死亡率预测,优于随机机会.
• 与所有评估的基线模型相比,ANN表现出更高的灵敏度.
• 表现最好的ANN实现了83.00%±4.89%的灵敏度来预测五年死亡率.

结论:

• 人工神经网络 (ANN) 有效地预测放射治疗后患者的死亡率.
• 与物流回归,SVM,随机森林和XGBoost相比,ANN模型为死亡率预测提供了更高的灵敏度.
• 这项研究强调了神经网络模型在分析患者数据中对神经网络模型的有用性,以改善辐射瘤学的结果预测.