Roman RemberВажливе дослідження, нещодавно опубліковане в журналі “Ендокринологія”, презентує нову модель машинного навчання (ML), яка може революціонізувати передбачення ризику віддаленого метастазу (DM) у медулярному раку щитоподібної залози (MTC). Використовуючи дані з бази даних Національних інститутів здоров’я Surveillance, Epidemiology, and End Results (SEER), дослідники розробили потужний алгоритм ML, який здатен точно оцінювати ймовірність DM у пацієнтів з MTC.
Дослідження передбачало аналіз демографічних даних понад 2 000 пацієнтів з MTC між 2004 та 2015 роками. Для дослідження використовувалися традиційні логістичні регресійні (LR) аналізи для дослідження взаємозв’язку між клініко-патологічними характеристиками та виникненням DM в MTC. Під час цього аналізу було виявлено кілька факторів, що передбачають DM, таких як вік, стать, розмір пухлини, позатиреоідне розширення та метастаз до лімфовузлів.
Для оцінки продуктивності моделей ML використовувались метрики оцінки, такі як точність, точність, рівень відгуків, F1-показник та площа під кривою характеристики роботи приймача (AUC). З шести протестованих моделей ML алгоритм випадкового лісу (RF) виділився як найефективніший у передбаченні ризику DM у MTC. Модель RF показала вищу продуктивність порівняно з традиційною бінарною моделлю LR, демонструючи вищу точність, точність, рівень відгуків, F1-показник та AUC.
Це важливе дослідження підкреслює потенціал моделі ML RF у покращанні клінічного прийняття рішень для пацієнтів з MTC. Здатність точно передбачати ризик DM дозволяє лікарям приймати більш обґрунтовані рекомендації щодо лікування, що може привести до покращення результатів та виживаності. Крім того, дослідження показує силу алгоритмів ML у видобутті цінних уявлень з великих медичних баз даних, відкриваючи шлях для подальших досягнень у передбачувальній медицині.
