RCC-Supporter:支持使用机器学习的细胞癌治疗决策
Won Hoon Song1,2, Meeyoung Park3
1Department of Urology, Pusan National University School of Medicine, Yangsan, Republic of Korea.
BMC medical informatics and decision making
|September 16, 2024
概括
这项研究开发了一种机器学习系统,以个性化细胞癌 (RCC) 治疗. 该系统实现了95%的准确性,证明了其在管理RCC方面的临床决策支持潜力.
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:
- 全球细胞癌 (RCC) 发病率正在上升,特别是在亚洲.
- 对RCC的不同治疗选择取决于临床阶段和组织学.
- 个性化治疗策略对于有效的RCC管理至关重要.
研究的目的:
- 开发基于机器学习 (ML) 的临床决策支持系统 (CDSS) 以提供个性化的RCC治疗建议.
- 根据个体患者的健康状况和临床情况量身定制治疗决定.
主要方法:
- 利用了从2008年至2021年期间接受治疗的1867名RCC患者的现实医学数据.
- 将患者分为监视,手术和化疗组.
- 应用特征选择,从2,058个特征中确定显著的临床因素.
- 实施和评估了决策树,随机森林和渐变增强机 (GBM) 算法.
主要成果:
- 梯度增强机 (GBM) 算法使用100和150个特征实现了95%的准确性 (95% CI,92-98%).
- 具有100/150特征的GBM性能优于专家选择的特征 (93%的准确性).
- 开发的系统"RCC-Supporter"在预测个性化治疗方面表现出很高的表现.
结论:
- 使用ML算法开发了一个名为"RCC-Supporter"的初步个性化治疗决策支持系统 (TDSS).
- 该研究证明了基于ML的CDSS在临床实践中对RCC治疗决策的可行性.
- 这种方法为优化细胞癌患者护理和治疗结果提供了一个有希望的工具.


