人工智能用于检测卵巢癌的诊断准确性 - - 一项试点研究
Dipanwita Banerjee1, Ashok Sharma2, Ekta Dhamija3
1Chittaranjan National Cancer Institute (CNCI), Kolkata, India.
Frontiers in medicine
|March 11, 2026
概括
机器学习模型准确诊断了卵巢癌,将其与良性质量区分开来. 随机森林模型实现了最高的准确性,显示临床应用的希望等待更大的研究.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 卵巢癌的诊断依赖于准确区分恶性和良性质量.
- 机器学习 (ML) 具有提高瘤学诊断准确性的潜力.
研究的目的:
- 评估四个ML算法用于诊断卵巢癌.
- 用ML区分恶性卵巢癌与良性卵巢质量.
主要方法:
- 一项前性观察试点研究涉及50名患者.
- 在多式联网数据上测试了四种ML算法 (SVM,RF,ANN,LR).
- 数据预处理确保了与ML模型的兼容性.
主要成果:
- 四个ML算法都在预测恶性瘤方面表现出高准确度.
- 随机森林 (RF) 模型实现了0.92.9的最大AUROC.
- 射频和SVM的精度分别达到85.87%和83.05%.
结论:
- ML算法在检测卵巢癌方面表现出很高的准确性.
- 临床整合需要进一步的大规模前性研究.


