一种基于机器学习的结直肠癌诊断的实用方法
Nguyen Hai Minh1, Tran Quang Quy1, Ngo Duc Tam2
1Thai Nguyen University, Information and Communication Technology, Thai Nguyen, Vietnam.
PloS one
|April 29, 2025
概括
这项研究开发了一种机器学习系统,用于使用电子医疗记录诊断结直肠癌. XGBOOST模型实现了最佳性能,有助于早期检测和降低患者成本.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 结肠直肠癌的诊断依赖于及时和准确的识别.
- 电子医疗记录 (EMR) 包含用于诊断工具的宝贵数据.
- 机器学习为提高诊断准确性和效率提供了潜力.
研究的目的:
- 开发和评估用于结直肠癌诊断的机器学习模型.
- 确定支持早期结直肠癌检测的关键特征.
- 创建一个系统,协助临床医生在患者管理.
主要方法:
- 从电子医疗记录 (EMR) 收集数据.
- 特性工程和选择,确定21个相关属性.
- 机器学习模型的培训和评估:CART,随机森林和XGBOOST.
主要成果:
- 在对结直肠癌诊断的评估模型中,XGBOOST表现优越.
- 确定21个重要的特征属性,用于早期诊断.
- 开发的系统有助于临床医生选择合适的测试和程序.
结论:
- 机器学习,特别是XGBOOST,对于结直肠癌的诊断是有效的.
- 该系统有可能减少患者等待时间和医疗保健成本.
- 这种方法为在医学诊断中应用机器学习提供了一个框架.
更多相关视频
07:35Evaluation of Colorectal Cancer Risk and Prevalence by Stool DNA Integrity Detection
Published on: June 8, 2020
6.9K
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
8.1K
