在接受化疗的老年人中,无监督学习识别症状集群
Erika Ramsdale1, Yilin Zhou2, Lisa Smith1
1James P. Wilmot Cancer Center, University of Rochester Medical Center, NY, USA.
无监督机器学习 (ML) 在接受化疗的老年人中发现了各种症状轨迹. 虽然大多数患者的症状很小,但有些人出现了特定的毒性,这表明症状总和得分可能需要进一步调查.
科学领域:
- 在瘤学瘤学.
- 老年病的医生 老年病的医生
- 数据科学数据科学数据科学
背景情况:
- 无监督机器学习 (ML),特别是集群,在分析患者报告的结果方面未得到充分利用.
- 患者报告的症状对于了解接受化疗的老年人治疗经历至关重要.
研究的目的:
- 应用ML方法来探索和描述接受化疗的老年人患者报告的症状轨迹.
- 通过无监督学习,随着时间的推移识别不同的模式和症状集群.
主要方法:
- 来自GAP 70+试验的前性收集数据的二次分析.
- 应用多个聚类算法 (例如,等级聚类聚类) 应用到患者报告的症状数据在基线,6周,3个月,6个月.
- 使用差距统计,肘部图,轮得分和t-SNE进行算法选择和验证.
主要成果:
- 聚类分析显示,根据使用的算法,存在显著的变化.
- 纵向分析显示,大多数患者保持低症状水平,但存在异质轨迹.
- 小型患者群体在不同的时间点表现出特定的毒性,例如手脚/神经病变症状或粘膜毒性.
结论:
- 无监督ML提供了一种数据驱动的方法来探索患者报告的纵向症状数据.
- 虽然很难发现一致的模式,但症状复合得分需要进一步调查.
- 需要进一步的基于假设的验证,临床医生应该了解ML方法的局限性.
更多相关视频
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
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
相关概念视频
Alzheimer's Disease: Overview
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ...
Alzheimer's Disease: Treatment
Drug Dosing: Geriatric Patients
Pharmacokinetics in Geriatric Patients: Effect of Age on Drug Absorption
Pharmacodynamics in Geriatric Patients: Effects of Age
Alzheimer Disease l: Introduction
