机器学习计算模型使用电子医疗记录预测肺癌
Matanel Levi1, Teddy Lazebnik2, Shiri Kushnir3
1Adelson School of Medicine, Ariel University, Ariel, Israel.
Cancer epidemiology
|July 25, 2024
概括
机器学习模型可以通过吸烟史和BMI等既定因素适度预测肺癌 (LC) 风险. 这些模型有望改善肺癌查计划的早期检测.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 肺癌 (LC) 查至关重要,并依赖于风险标准或计算器.
- 机器学习 (ML) 提供了一种新的方法来识别独特的,隐藏的疾病风险关联.
研究的目的:
- 开发和评估一种用于预测肺癌风险的ML模型.
- 用已确定的风险因素来评估模型的性能.
主要方法:
- 使用TPOT工具开发了一个ML模型,这是Random Forest和XGboost的合奏.
- 分析了4076名年龄≥35岁的患者 (LC与对照) 的数据.
- 包括因素:年龄,性别,BMI,吸烟史,SES,COPD/肺/CB,ILD/PF,以及家族史.
主要成果:
- 整体模型实现了71.2%的准确性,69%的灵敏度和74%的PPV.
- 吸烟和从不吸烟的子组显示出更高的准确性 (分别为74.8%和73.0%).
- 关键预测因素各不相同:COPD/肺/CB 对于吸烟者,BMI/年龄/SES 对于从不吸烟者.
结论:
- 已确定的LC风险因素可以在ML模型中用于适度预测.
- 需要进一步的研究来验证和增强这些ML模型的临床应用.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
13:34A Combined 3D Tissue Engineered In Vitro/In Silico Lung Tumor Model for Predicting Drug Effectiveness in Specific Mutational Backgrounds
Published on: April 6, 2016
10.2K
