建立基于机器学习的模型,用于查患有胃癌前病变的高风险患者
Shuxian Yu1,2, Haiyang Jiang1, Jing Xia1
1School of Pharmacy, Hangzhou Normal University, Hangzhou, China.
Chinese medicine
|January 8, 2025
概括
机器学习和深度学习模型现在可以预测胃癌 (GC) 从癌前病变的进展. 这有助于早期诊断,通过使用年龄和舌头特征等因素来识别高风险患者.
科学领域:
- 在瘤学瘤学.
- 人工智能在医学中的应用
- 诊断工具 诊断工具 诊断工具
背景情况:
- 早期检测癌前胃癌病变 (PLGC) 对于预防胃癌 (GC) 至关重要.
- 目前用于区分PLGC和GC的非侵入性方法是不够的.
- 开发准确的预测模型对于早期GC诊断和干预至关重要.
研究的目的:
- 开发和验证机器学习 (ML) 和深度学习 (DL) 模型,用于预测PLGC向GC的进展.
- 从PLGC中确定与GC开发相关的关键风险因素.
- 为早期识别高风险个体提供工具,以改善GC预防策略.
主要方法:
- 从九家三级医院招募2229名受试者 (2022年10月 - 2023年11月).
- 开发一个基于网络的风险预测模型,使用ML技术,包括随机森林 (RF).
- 使用DL算法 (Swin变压器架构) 建立基于舌头图像的风险预测模型.
主要成果:
- 射频模型在预测GC进展方面取得了最高的准确性 (85.65%).
- 确定的主要风险因素包括年龄,中医体质,舌头特征,饮食习惯和心理因素.
- 基于舌头图像的DL模型表现出强大的预测性能,AUC> 0.8.8.
结论:
- ML和DL模型有效地预测了PLGC向GC进展的风险.
- 这些模型可以帮助识别高风险患者,促进早期GC诊断.
- 开发的工具为非侵入性胃癌的早期检测和管理提供了有希望的方法.
