一个基于血液测试的机器学习模型,用于预测肺癌风险
Lihi Schwartz1, Naor Matania2, Matanel Levi3
1Fliner Clinic, Department of Family Medicine, Dan-Petah-Tiqwa District, Clalit Health Services Community Division, Petah Tiqwa, Israel.
Frontiers in medicine
|July 2, 2025
概括
机器学习模型可以使用常规血液测试和人口统计数据来预测肺癌风险. 这种方法提高了早期检测,超出了吸烟者的传统查方法.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 目前的肺癌 (LC) 查依赖于年龄和吸烟史,可能会忽视高危人群.
- 机器学习 (ML) 提供了一种新的方法,用于识别个性化疾病预测的复杂模式.
- 早期癌症预测对于改善患者的治疗结果和治疗疗效至关重要.
研究的目的:
- 开发和评估基于ML的模型,用于预测未来的肺癌诊断.
- 为了将血液检测结果和社会人口统计因素纳入个性化LC风险评估.
- 在传统查标准之外,确定肺癌的关键预测因子.
主要方法:
- 一个ML模型使用诊断前血液测试数据和社会人口统计信息 (年龄,性别) 进行训练.
- 该模型应用于包括肺癌患者和对照对象在内的数据集.
- 用准确度,灵敏度和积极的预测值来评估模型性能.
主要成果:
- 该ML模型在预测肺癌方面取得了71.2%的整体准确性.
- 年龄是最重要的预测因素,其次是红细胞分布宽度和肌素.
- 该模型显示,与男性和吸烟者相比,女性和从未吸烟者的准确性更高.
结论:
- 血液测试,当整合到ML模型,可以有效地预测肺癌风险.
- 这种方法为早期肺癌检测提供了一个补充工具.
- 需要进一步的研究来阐明将特定的血液标记物与肺癌联系起来的生物机制.
更多相关视频
08:14MicroRNA Based Liquid Biopsy: The Experience of the Plasma miRNA Signature Classifier MSC for Lung Cancer Screening
Published on: October 26, 2017
15.8K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
201
