一个多层组合模型用于预测膀癌的突变类型
Aneesh Jain1, Sumit Dey2, Divisha Garg3
1Department of Computer Science, Virginia Tech, Blacksburg, VA, USA.
Personalized medicine
|November 26, 2025
概括
这项研究开发了一种人工智能模型,用于早期检测尿膀癌中的遗传突变. 整体模型实现了95%的准确性,优于传统方法,改善了患者的预后和治疗.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 人工智能的人工智能
背景情况:
- 早期诊断和准确的基因突变预测对于尿膀癌症管理至关重要.
- 鉴定用于预后和治疗的生物标志物在癌症护理中至关重要.
- 遗传突变在膀癌的发展和进展中起着重要作用.
研究的目的:
- 开发一种基于人工智能的预测模型,用于检测尿膀癌中的突变类型.
- 为诊断和预后目的提高突变预测的准确性和可靠性.
- 探索人工智能在识别治疗策略的突变景观方面的潜力.
主要方法:
- 从公开的人类膀癌细胞系数据集中收集的突变数据.
- 设计了一个集成人工神经网络 (ANN) 和随机森林 (RF) 分类器的多层组合模型.
- 在DNA序列数据上训练和验证模型,以预测基对插入和删除,并将其与SVM,天真贝叶斯和决策树进行比较.
主要成果:
- 拟议的整体模型实现了近95%的突变类型的预测准确度.
- 人工智能模型显著超过了传统的机器学习方法,如SVM和朴素的贝叶斯.
- 在突变预测中,ANN和RF的整合提高了分类的稳定性和可靠性.
结论:
- 人工智能技术显示出在尿膀癌中早期突变检测的巨大潜力.
- 开发的模型的高准确性可以帮助识别诊断和预后突变景观.
- 这种方法为指导未来膀癌治疗的治疗策略提供了希望.
