Üllatuslik uuring, mis hiljuti avaldati ajakirjas Endocrinology, tutvustab uut masinõppe (ML) mudelit, mis võib revolutsiooniliselt muuta medullaarse kilpnäärmevähi (MTC) kaugmetastaaside (DM) riski ennustamist. Kasutades andmeid National Institutes of Health’i SEER-i andmebaasist, arendasid teadlased välja tugeva ML algoritmi, mis suudab täpselt hinnata DM tõenäosust MTC patsientidel.
Uuring hõlmas demograafilise teabe analüüsi üle 2000 MTC patsiendi kohta aastatel 2004-2015. Klassikalisi logistilise regressiooni (LR) analüüse kasutati, et uurida kliinilis-patoloogiliste omaduste ja DM esinemise seoseid MTC-s. Selle analüüsi käigus tuvastati mitmeid DM-i ennustavaid tegureid, sealhulgas vanus, sugu, kasvaja suurus, ekstratüroidaalne levik ja lümfisõlmete metastaasid.
ML mudelite jõudluse hindamiseks kasutati mõõdikuid nagu täpsus, täpsus, kordamiskiirus, F1 skoor ja kõvera all olev ala (AUC). Kuuest testitud ML mudelist paistis silma juhuslik mets (RF) algoritm, mis oli kõige tõhusam DM riski ennustamisel MTC-s. RF mudel näitas paremat jõudlust võrreldes traditsioonilise kahendlogistilise regressiooni mudeliga, demonstreerides kõrgemat täpsust, täpsust, kordamiskiirust, F1 skoori ja AUC.
See läbimurrelik uurimus rõhutab RF ML mudeli potentsiaali MTC patsientide kliinilise otsustamise parandamisel. DM riski täpse ennustamise abil saavad arstid teha paremaid ravisoovitusi, mis võib kaasa tuua paremad tulemused ja ellujäämismäärad. Lisaks näitab uuring ML algoritmide võimsust väärtuslike teadmiste ammutamisel ulatuslikest meditsiinilistest andmebaasidest, avades tee edasistele edusammudele ennustusmeditsiinis.
Kuigi traditsioonilised LR analüüsid on minevikus andnud väärtuslikku teavet, pakub RF ML mudeli kasutuselevõtt värske vaatenurka, integreerides DM riski ennustamisse põhjalikuma ja nüansirikkama lähenemise MTC-s. See uurimus kuulutab uut ajajärku vähieelsete ennustuste valdkonnas ja julgustab ML tehnikate uurimist teistes onkoloogia valdkondades. ML algoritmid on pidevas arengus ja täiustumises, seega on tulevikus suur potentsiaal nende tehnoloogiate kasutamisel patsiendihoole ja tulemuste parandamisel.
Lisaks sisaldab artikkel sõnaseletusi, mida saate läbi lugeda tõlkeprotsessi käigus.
The source of the article is from the blog windowsvistamagazine.es