使用机器学习预测胆道神经转变为黑色素瘤
Prashant D Tailor1, Piotr K Kopinski1, Haley S D'Souza1
1Department of Ophthalmology, Mayo Clinic, Rochester, Minnesota, 55905.
Ophthalmology science
|September 25, 2024
概括
机器学习模型使用多式成像技术准确地预测胆管神经转变为黑色素瘤. 在培训和外部验证集中,SAINTS模型显示出高准确性,识别了关键的预测特征.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 机器学习 机器学习
- 在瘤学瘤学.
背景情况:
- 冠状瘤是眼睛的常见的黑色细胞瘤.
- 预测转变为黑色素瘤对于患者管理至关重要.
- 多式成像提供了眼部病变的详细特征.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测胆管神经转变为黑色素瘤.
- 用多式联络成像数据评估模型性能.
- 为了确定可预测神经变化的关键成像特征.
主要方法:
- 一项回顾性多中心研究,涉及患有胆道神经的患者.
- 使用多式成像: fundus摄影,自光,OCT和超声波.
- 开发并优化了XGBoost,LGBM,随机森林和额外树模型,并通过了外部验证.
主要成果:
- 简单的人工智能神经转换系统 (SAINTS) XGBoost 模型实现了高性能 (在测试中AUROC 0.864,在验证中0.931).
- 关键的预测特征包括瘤厚度,基底直径,形状,视神经距离和下液.
- 一个使用≥5年随访瘤的模型显示AUPRC.有所改善.
结论:
- ML模型可以准确和一般地预测胆道神经到黑色素瘤的转变.
- 多模式成像对风险分层有价值.
- SAINTS模型为临床决策提供了一个强大的工具.
关键词:
人工智能的人工智能冠状腺黑色素瘤 (choroidal melanoma) 是一种黑色素瘤.冠状腺神经 (choroidal nevus) 是一种神经组织.机器学习 机器学习眼睛瘤学 眼睛瘤学更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
