相关实验视频
Updated: Jun 6, 2025
05:39
Spontaneous Murine Model of Anaplastic Thyroid Cancer
Published on: February 3, 2023
1.6K
使用机器学习算法和治疗结果的预后模型 乳头甲状腺癌变体的治疗结果
Sakhr Alshwayyat1,2,3, Haya Kamal4, Owais Ghammaz4
1Research Associate, King Hussein Cancer Center, Amman, Jordan.
Cancer reports (Hoboken, N.J.)
|November 30, 2024
概括
机器学习模型确定了Hürthle细胞癌 (HCC) 和柱状细胞变体 (CCV) 甲状腺癌的关键因素,有助于个性化治疗和预后. 这些模型预测罕见的甲状腺癌亚型的5年生存率.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 遗传学 是一个遗传学.
背景情况:
- 赫特尔细胞癌 (HCC) 和柱状细胞变体 (CCV) 是甲状腺癌的罕见亚型.
- 有效的治疗策略和对这些罕见变异的预后评估对于患者的治疗结果至关重要.
研究的目的:
- 采用机器学习 (ML) 来评估HCC和CCV的治疗有效性.
- 开发强大的预后模型,以预测这些罕见的甲状腺癌亚型的5年生存率.
主要方法:
- 使用统计分析,包括奇平方测试,卡普兰-梅尔曲线,日志等级测试和考克斯回归.
- 开发并验证了5个ML算法来预测5年生存期,通过ROC曲线的AUC评估性能.
主要成果:
- 分析包括3690名患者,3180名患有CCV,510名患有HCC.
- ML模型确定了显著的预后因素:转移,手术加辐射 (RT) 和HCC的年龄;TNM N组件,转移和CCV瘤大小.
结论:
- 这项研究为治疗和预后评估罕见的乳头甲状腺癌 (PTC) 变体提供了一个全面的框架.
- 开发的ML模型为管理HCC和CCV的个性化临床决策提供了实际工具.
更多相关视频
03:55Computer-Aided Three-Dimensional Visualization in the Treatment of Locally Advanced Thyroid Cancer
Published on: June 9, 2023
482
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
