基于标准血液检测结果和吸烟状态的肺部科学家水平的肺癌检测,使用可解释的机器学习方法
Ricco Noel Hansen Flyckt1, Louise Sjodsholm1, Margrethe Høstgaard Bang Henriksen2
1SDU Health Informatics and Technology, The Mærsk Mc-Kinney Møller Institute, University of Southern Denmark, 5230, Odense, Denmark.
Scientific reports
|December 24, 2024
概括
机器学习 (ML) 模型可以使用血液检测和吸烟史早期检测肺癌 (LC). 这个研究研究这个研究.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
背景情况:
- 肺癌 (LC) 是癌症死亡的主要原因,通常在晚期被诊断出来.
- 早期检测策略对于改善患者治疗结果至关重要.
- 机器学习 (ML) 在医学诊断方面表现有前途.
研究的目的:
- 开发和验证用于早期肺癌检测的ML模型.
- 为了评估模型的性能与肺病学家的诊断.
- 确定影响肺癌检测的关键因素.
主要方法:
- 使用动态集合选择 (DES) ML模型进行回顾性研究.
- 数据来自丹麦 (2009-2018) 风险人群的血液样本和吸烟史.
- 将DES模型的预测与五位肺病学家的诊断进行比较.
主要成果:
- 该DES模型的AUC值为0.77±0.01,在灵敏度方面超过了肺病学家 (76.2%±2.04%).
- 关键的预测因素包括吸烟状况,乳酸脱酶,年龄和水平.
- 该模型在检测肺癌方面得到了成功的应用.
结论:
- 像DES模型一样,ML模型可以有效地帮助早期检测肺癌.
- 将临床和实验室数据整合到风险评估中可以改善决策.
- 这种方法有可能促进及时转诊,提高患者的生存率.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.6K
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
8.1K
