开发一种基于人工智能的高效分类方法,用于结直肠癌对放射化疗的反应:深度学习与机器学习

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 人工智能的人工智能

背景情况:

• 结肠直肠癌 (CRC) 是一个重要的全球健康问题,排名第二致命的癌症.
• 早期发现和有效的治疗策略对于改善患者的治疗结果至关重要.
• 化学放射治疗是局部晚期CRC的标准治疗方法.

研究的目的:

• 评估人工智能 (AI) 模型在预测患者对结直肠癌化学放射治疗的反应中的有效性.
• 通过特征选择方法识别治疗反应的潜在基因预测因子.

主要方法:

• 实施了七个AI模型:决策树,K-最近邻居,Adaboost,随机森林,梯度提升,多层感知子和卷积神经网络.
• 采用了三个特征选择策略 (相互信息,F-类,Chi-Square) 来识别关键的预测基因.
• 开发了使用选定的特征 (5,10,20,30) 的分类范式,以提高预测准确度.

主要成果:

• 随机森林,梯度提升,决策树和K-最近邻居在分类治疗响应者和非响应者方面表现出高准确度 (93.8%).
• 相互信息和F类是最有效的特征选择方法,表现优于Chi-Square.
• 人工智能模型在预测结直肠癌对化学放射治疗的反应方面表现强.

结论:

• 人工智能模型提供了一种强大而准确的方法来分类结直肠癌患者对化学放射治疗的反应.
• 鉴定的基因预测因子和人工智能模型可以帮助个性化治疗策略和临床决策.
• 这项研究强调了机器学习在推进结直肠癌精密瘤学的潜力.