人工智能对乳腺癌生存率的预测:一个全面的系统审查和元分析
Zohreh Javanmard1, Saba Zarean Shahraki2, Kosar Safari3
1Department of Health Information Management, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran.
Frontiers in oncology
|January 22, 2025
概括
人工智能 (AI) 和机器学习 (ML) 显著提高了乳腺癌存活率预测的准确性. 未来的研究必须专注于在临床实践中对强大,可泛化模型的外部验证.
科学领域:
- 在瘤学瘤学.
- 生物医学信息学 生物医学信息学
- 数据科学数据科学数据科学
背景情况:
- 乳腺癌 (BC) 是女性癌症死亡的主要原因.
- 准确的生存预测对于早期诊断和个性化治疗至关重要.
- 人工智能和机器学习算法显示出自动化BC生存预测的希望.
研究的目的:
- 系统地审查和元分析ML算法用于乳腺癌生存预测的应用.
- 评估AI/ML模型在BC生存预测中的性能和方法.
- 确定这一领域的趋势和未来的研究方向.
主要方法:
- 在Web of Science,PubMed和Scopus数据库中进行系统搜索 (2016年1月至2023年8月).
- 包含使用ML用于BC生存预测的原始文章与临床数据.
- 使用Qiao质量评估工具进行质量评估.
主要成果:
- 在140件已识别的产品中,32件符合资格标准.
- 通过ML方法实现了平均89.73%的验证准确度.
- 混合模型和监督学习占主导地位;深度学习 (DL),特别是CNN,成为首选的现代算法. 81.25%的研究使用了内部验证.
结论:
- 基于AI的算法具有显著的潜力,可以提高BC生存预测的准确性.
- 严格的外部验证对于模型的稳定性和通用性至关重要.
- 在不同人群中验证模型将促进临床整合和个性化患者护理.
更多相关视频
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
03:07Single-Port Robotic-assisted Transaxillary Breast-conserving Surgery: A Prospective, Single-arm, Non-randomized Phase IIa Clinical Trial
Published on: August 19, 2025
