通过机器学习算法预测辐射急性食道炎
Mostafa Alizade-Harakiyan1, Amin Khodaei2, Hamed Zamani3
1Department of Radiation Oncology, Faculty of Medicine, Tabriz University of Medical Sciences, Tabriz, Iran; Medical Physics Department, Faculty of Medicine, Tabriz University of Medical Sciences, Tabriz, Iran; Molecular Medicine Research Center, Tabriz University of Medical Sciences, Tabriz, Iran.
机器学习使用剂量-体积数据准确预测放射化疗引起的急性食道炎. 这种方法通过早期识别高风险个体,提高了患者管理,达到90%以上的准确性.
科学领域:
- 在瘤学瘤学.
- 辐射疗法 辐射疗法
- 机器学习 机器学习
背景情况:
- 急性食管炎是癌症放射化疗的常见副作用.
- 早期发现和预测食道炎对于患者的管理和治疗计划至关重要.
研究的目的:
- 为了比较机器学习 (ML) 算法用于预测急性食道炎.
- 探索ML在临床环境中的实际实施,以预测食道炎.
主要方法:
- 收集并预处理了患者特征,治疗参数和临床因素的数据集.
- 经过训练和验证的ML分类算法使用交叉验证技术.
- 在临床实践中探索了ML模型的现实世界的整合.
主要成果:
- 剂量-体积特征是食道炎的关键预测因素,优于其他因素.
- ML算法在预测食道炎等级方面实现了超过90%的F1分数和准确性.
- 曲线下的面积 (AUC) 超过95%以区分高度食道炎.
结论:
- ML显示了改善癌症治疗患者治疗结果的巨大潜力.
- 剂量-体积特征对于准确预测急性食道炎至关重要.
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
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020