甲状腺-DAMP:深度人工神经网络模型用于预测甲状腺癌死亡率
Arnavaz Hajizadeh Barfejani1, Mohammad Rahimi2, Hassan Safdari3
1Royal College of Surgeons in Ireland, Dublin, Ireland.
概括
一个新的深度神经网络,Thy-DAMP,准确地预测了差异化甲状腺癌 (DTC) 患者的死亡率. 这个工具有助于管理DTC,通过使用易于获得的数据预测患者的结果.
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:
- 差异化甲状腺癌 (DTC) 发病率正在上升,需要改进患者管理策略.
- 虽然DTC死亡率很低,但准确的预测对于有效的临床决策至关重要.
研究的目的:
- 开发一种深度神经网络模型,用于预测差异化甲状腺癌 (DTC) 患者的死亡率.
- 创建一个工具,利用现有的患者数据进行准确的死亡率预测.
主要方法:
- 使用监测,流行病学和最终结果 (SEER) 数据库来获取患者数据.
- 开发了Thy-DAMP (深度人工神经网络模型用于预测甲状腺癌) 使用人口统计,组织学和分期信息.
- 用于模型开发和评估的数据规范化,特征编码,交叉验证和外部验证.
主要成果:
- 该研究分析了63513名DTC患者,乳头癌是最常见的亚型.
- 蒂-DAMP实现了高性能指标:准确率为93.33% (95% CI 92.82-93.83%),特异性为93.53% (95% CI 93.01-94.02%),以及AUROC为0.95.
- 该模型表现出强大的预测能力,包括99.66% (95% CI 99.53-99.75%) 的负预测值,并在外部验证后保持性能.
结论:
- 蒂-DAMP显示出重要的潜力,可以准确预测DTC患者的死亡率.
- 该模型有效地利用有限的患者数据集来可靠地预测结果.
- 这种深度学习方法为增强差异化甲状腺癌患者管理提供了有前途的工具.
