DeepOmicsSurv:一种基于深度学习的模型,用于口腔癌的生存预测

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 机器学习 机器学习

背景情况:

• 口腔癌是一个重大的全球健康挑战.
• 准确的生存预测对于指导口腔癌治疗策略至关重要.

研究的目的:

• 介绍DeepOmicsSurv,这是一个新的深度学习模型,用于预测口腔癌患者的生存率.
• 整合临床和多omics数据,以提高生存预测的准确性.

主要方法:

• DeepOmicsSurv使用了经过修改的DeepSurv架构,具有注意力机制和各种维度减小技术 (例如自动编码器).
• 模型的性能与已知方法 (如CoxPH,CNN和RNN) 相比进行了基准测试.
• 使用夏普利添加式解释 (SHAP) 来确定生存的关键临床预测因素.

主要成果:

• DeepOmicsSurv表现出卓越的表现,其C指数为0.966.6,其C指数为0.966.
• 在DeepOmicsSurv框架内,自动编码器在减少维度方面被证明是最有效的.
• SHAP分析强调年龄,AJCC N阶段,酒精和吸烟史作为重要的生存预测因素.

结论:

• DeepOmicsSurv显示了准确的口腔癌存活时间预测的巨大潜力.
• 该模型有效地整合了各种数据类型,包括临床和多学科数据.
• 鉴定的临床因素为个性化口腔癌管理提供了宝贵的见解.