机器学习技术用于识别伊朗马什哈德妇女乳腺癌风险因素
Atieh Khaleghi1, Seyyed Mohammad Tabatabaei2,3, Zeinab Sadat Hosseini4
1Data Scientist at AFRY AB, Sweden.
Journal of preventive medicine and hygiene
|October 21, 2024
概括
机器学习确定了伊朗的关键乳腺癌风险因素. 诸如家族史和生殖细节等因素对于早期检测和改善发展中国家的生存率至关重要.
科学领域:
- 在瘤学瘤学.
- 数据科学数据科学数据科学
- 公共卫生 公共卫生
背景情况:
- 发展中国家乳腺癌的低生存率与早期检测有限和医疗保健基础设施不足有关.
- 在资源有限的环境中,乳腺癌诊断和治疗的可访问性仍然是重大挑战.
研究的目的:
- 利用机器学习 (ML) 技术来识别关键乳腺癌风险因素.
- 为伊朗等地区制定有针对性的早期检测策略提供见解.
主要方法:
- 进行了一项涉及17-75岁女性的病例控制研究.
- 应用了包括决策树 (DT),随机森林 (RF),后勤回归 (LR) 和主要组件分析 (PCA) 在内的机器学习算法来分析两个数据集.
- 数据分析使用R工作室软件进行.
主要成果:
- 决策树和随机森林模型强调了癌症的家族史,乳腺癌的个人史,活检采样,以及不经常食用乳制品,水果和蔬菜作为重要的风险因素.
- 物流回归和主要组件分析确定了家庭癌症史,怀孕数,怀孕倾向,堕胎史,第一次月经时的年龄,第一次分娩时的年龄和分娩次数作为重要的指标.
结论:
- 机器学习算法有效地识别了影响乳腺癌诊断的关键因素.
- 这些发现可以为发展中国家的乳腺癌早期检测和干预策略的制定提供信息.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
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
